#gpu-programming Dépôts
Découvrez 45 dépôts GitHub open source actifs associés à #gpu-programming, cumulant 192,102 étoiles au total (soit une moyenne de 4,268 étoiles par projet). Le projet en tête de ce thème est tinygrad/tinygrad, avec 33,961 étoiles.
45 dépôts au total
Un compilateur Python hautes performances, sans surcharge et extensible, avec prise en charge NumPy intégrée
Scalene : un profileur CPU, GPU et mémoire haute performance et haute précision pour Python avec des propositions d'optimisation alimentées par l'IA
Bibliothèque de dessin vectoriel 2D antialiased basée sur OpenGL pour les interfaces utilisateur et les visualisations.
Écosystème de bibliothèques et d'outils pour écrire et exécuter du code GPU rapide entièrement en Rust.
🐉 Faire de Rust un langage et un écosystème de première classe pour les shaders GPU 🚧
Une boîte à outils modulaire et ouverte pour WebGPU, avec inférence de type avancée et la possibilité d'écrire des shaders en TypeScript
Couvre les données de préentraînement, les tokeniseurs, les Transformers, le MoE, l’entraînement distribué, les lois de mise à l’échelle, l’inférence et l’alignement. 6 exercices de programmation progressifs pour apprendre les LLM de bout en bout.
Terra est un langage de programmation système de bas niveau qui est intégré et méta-programmé par le langage de programmation Lua.
Spaceship Demo - Démo jouable AAA à la première personne présentant des effets créés avec Visual Effect Graph et rendus avec High Definition Render Pipeline
Diagrammes montrant les relations entre les objets Vulkan et leur utilisation.
Un DSL intégré à Python qui facilite l'écriture de noyaux ML rapides et évolutifs avec un minimum de code passe-partout.
Langage fonctionnel avec polymorphisme intentionnel et staging de première classe.
Un framework web Rust basé sur Axum, avec des noyaux applicatifs vérifiables avec Lean 4 et exécutables sur des serveurs, des appareils embarqués bare metal et des GPU, ainsi que des tests de sécurité intégrés.
Algorithmes et systèmes de LLM en pratique avec PyTorch, Triton et CUDA. « Tutoriel sur les algorithmes et systèmes de LLM » : architectures et entraînement des modèles, post-entraînement, accélération de l’inférence, optimisation des performances et des opérateurs, avec des exercices Notebook, des explications des réponses, des tests et des expériences.
Moteur de rendu en temps réel robuste sur DX11, DX12 avec de nombreuses fonctionnalités graphiques avancées pour un prototypage rapide
3D-Graphics-Rendering-Cookbook, Deuxième Édition
Frontend C/C++ pour MLIR. Il propose également des optimisations polyédriques, des optimisations parallèles et plus encore !
Foire aux questions
Quel est le dépôt #gpu-programming le plus populaire sur GitHub ?
Le projet #gpu-programming open source le mieux classé sur GitHub est tinygrad/tinygrad, avec 33,961 étoiles. Tu aimes Pytorch ? Tu aimes micrograd ? Tu adores tinygrad ! ❤️
Quels langages de programmation sont les plus utilisés dans les dépôts #gpu-programming ?
Parmi les projets #gpu-programming les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, Rust, Jupyter Notebook.
Comment le classement des dépôts #gpu-programming est-il calculé ?
Nous suivons 45 dépôts open source actifs associés à #gpu-programming (500+ étoiles), totalisant 192,102 étoiles, avec une moyenne de 4,268 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.