#hardware-acceleration Dépôts
Découvrez 67 dépôts GitHub open source actifs associés à #hardware-acceleration, cumulant 169,471 étoiles au total (soit une moyenne de 2,529 étoiles par projet). Le projet en tête de ce thème est tinygrad/tinygrad, avec 33,961 étoiles.
67 dépôts au total
ONNX Runtime : accélérateur d'inférence et d'entraînement ML multiplateforme haute performance
fastllm est une bibliothèque d’inférence de grands modèles de langage haute performance, sans dépendance à un backend, qui vous aide à exécuter efficacement des inférences sur la plupart des appareils.
Ce correctif supprime la restriction sur le nombre maximum de sessions de codification vidéo NVENC simultanées imposée par Nvidia aux GPU de niveau grand public.
Logiciel NVR et vision par ordinateur IA auto-hébergé, uniquement local. Avec des fonctionnalités telles que la détection d'objets, la détection de mouvement, la reconnaissance faciale et plus encore, il vous donne le pouvoir de surveiller votre maison, votre bureau ou tout autre endroit que vous souhaitez surveiller.
LiteRT, successeur de TensorFlow Lite, est le framework embarqué de Google pour le déploiement de ML et de GenAI haute performance sur les plateformes edge, via une conversion, une exécution et une optimisation efficaces.
PainterEngine est un moteur d'application/jeu avec un rendu logiciel. PainterEngine peut être porté sur n'importe quelle plateforme qui supporte C.
VeOmni : Mise à l'échelle de la formation de modèles de toute modalité avec une bibliothèque distribuée de recettes centrée sur le modèle
Excellents articles de recherche et outils pour la compression des LLM.
[ICML 2023] SmoothQuant : Quantification post-entraînement précise et efficace pour les grands modèles linguistiques
Modèles larges inspirés du cerveau à impulsions (spiking), intégrant une attention hybride efficace, des modules MoE et l'encodage par impulsions dans leur architecture
Une unité de traitement tensoriel (TPU) minimale, inspirée par les TPU V2 et V1 de Google
Une base de données vectorielle locale ultra-rapide à utiliser avec les agents LLM. Nous acceptons désormais les SAFE à une valorisation de 135 millions de dollars.
Une extension Chrome qui diffuse des vidéos H.264 au lieu de vidéos VP8/VP9 sur YouTube.
QMPlay2 est un lecteur vidéo et audio qui peut lire la plupart des formats et codecs.
Quake 2 v3.21 d'id Software avec packs de missions et support Vulkan (Windows, Linux, macOS, FreeBSD, Raspberry Pi 4)
Améliorez votre expérience vidéo avec un lecteur multimédia moderne et convivial.
Correction MPO pour GPU AMD 5000/6000/7000/9000 & RTX 2000/3000/4000/5000/GTX 1600
🎞 Transcodage vidéo accéléré par matériel utilisant les API Android MediaCodec. Prend en charge le recadrage, la concaténation, le clipping, le traitement audio, la vitesse vidéo et bien plus encore.
Un framework de compilateur basé sur MLIR relie les DSL (langages spécifiques au domaine) aux DSA (architectures spécifiques au domaine).
Le SDK Advanced Media Framework (AMF) offre aux développeurs un accès optimal aux appareils AMD pour le traitement multimédia
Convertir les fichiers vidéo de la caméra de tableau de bord Tesla en un seul film
Foire aux questions
Quel est le dépôt #hardware-acceleration le plus populaire sur GitHub ?
Le projet #hardware-acceleration 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 #hardware-acceleration ?
Parmi les projets #hardware-acceleration les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, C, Verilog.
Comment le classement des dépôts #hardware-acceleration est-il calculé ?
Nous suivons 67 dépôts open source actifs associés à #hardware-acceleration (500+ étoiles), totalisant 169,471 étoiles, avec une moyenne de 2,529 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.