Git Stars Git Stars

#matrix-multiplication Dépôts

Découvrez 18 dépôts GitHub open source actifs associés à #matrix-multiplication, cumulant 51,727 étoiles au total (soit une moyenne de 2,873 étoiles par projet). Le projet en tête de ce thème est williamfiset/algorithms, avec 18,914 étoiles.

18
Total des Dépôts
51,727
Nombre total d'étoiles
2,873
Moyenne d'Étoiles/Dépôt
1
williamfiset/algorithms

Une collection d'algorithmes et de structures de données

williamfiset
⭐ 18,914 Java 👤 williamfiset User 🕐 Mis à jour 2026-11-09 📅 Créé 2017-03-18
2
deepseek-ai/DeepGEMM

DeepGEMM : bibliothèque de noyaux BLAS propre et efficace sur GPU

deepseek-ai
⭐ 9,210 Cuda 👤 deepseek-ai Organization 🕐 Mis à jour 2026-11-19 📅 Créé 2025-02-13
4
flame/blis

Framework Logiciel d'Instanciation de Bibliothèques de Type BLAS

flame
⭐ 2,708 C 👤 flame Organization 🕐 Mis à jour 2026-10-06 📅 Créé 2014-01-22
5
google/XNNPACK

Opérateurs d'inférence pour réseaux neuronaux à virgule flottante à haute efficacité pour mobile, serveur et Web

google
⭐ 2,506 C 👤 google Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2019-09-13
6
ashvardanian/NumKong

Mathématiques à précision mixte, kernels d’algèbre linéaire et de recherche, plus de 4 000 symboles, des nombres sur 4 bits aux nombres complexes sur 128 bits, pour x86, Arm, RISC-V, LoongArch, Power et WASM, avec AMX et SME inclus 📐

ashvardanian
⭐ 1,911 C 👤 ashvardanian User 🕐 Mis à jour 2026-11-20 📅 Créé 2023-03-14
7
google/gemmlowp

Multiplication de matrices à faible précision

google
⭐ 1,825 C++ 👤 google Organization 🕐 Mis à jour 2024-01-29 📅 Créé 2015-07-06
8
Maratyszcza/NNPACK

Paquet d'accélération pour les réseaux neuronaux sur CPU multi-cœurs

Maratyszcza
⭐ 1,702 C 👤 Maratyszcza User 🕐 Mis à jour 2024-06-11 📅 Créé 2016-03-21
9
pytorch/FBGEMM

FB (Facebook) + GEMM (Multiplication générale de matrice par matrice) - https://code.fb.com/ml-applications/fbgemm/

pytorch
⭐ 1,604 C++ 👤 pytorch Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2018-09-24
10
siboehm/SGEMM_CUDA

Multiplication rapide de matrices CUDA à partir de zéro

siboehm
⭐ 1,297 Cuda 👤 siboehm User 🕐 Mis à jour 2025-09-02 📅 Créé 2022-11-13
11
CNugteren/CLBlast

OpenCL BLAS Accordé

CNugteren
⭐ 1,202 C++ 👤 CNugteren User 🕐 Mis à jour 2026-11-19 📅 Créé 2015-05-30
12
corsix/amx

Ensemble d'instructions Apple AMX

corsix
⭐ 1,178 C 👤 corsix User 🕐 Mis à jour 2024-12-26 📅 Créé 2022-08-30
13
uncomplicate/neanderthal

Bibliothèque de matrices Clojure rapide

uncomplicate
⭐ 1,130 Clojure 👤 uncomplicate Organization 🕐 Mis à jour 2026-08-19 📅 Créé 2014-08-14
14
analyticalrohit/pytorch_fundamentals

Introduction à PyTorch, couvrant l'initialisation des tenseurs, les opérations, l'indexation et le remodelage.

analyticalrohit
⭐ 1,057 Jupyter Notebook 👤 analyticalrohit User 🕐 Mis à jour 2026-01-06 📅 Créé 2025-04-02
15
libxsmm/libxsmm

Bibliothèque pour les opérations spécialisées sur matrices denses et creuses, et les primitives d'apprentissage profond.

libxsmm
⭐ 983 C 👤 libxsmm Organization 🕐 Mis à jour 2026-11-13 📅 Créé 2014-09-23
16
pranjalssh/fast.cu

Les noyaux les plus rapides écrits à partir de zéro

pranjalssh
⭐ 630 Cuda 👤 pranjalssh User 🕐 Mis à jour 2026-08-15 📅 Créé 2024-11-04
17
deepreinforce-ai/CUDA-L2

CUDA-L2 : Dépasser les performances de cuBLAS pour la multiplication de matrices par apprentissage par renforcement

ornith-ai
⭐ 563 Cuda 👤 ornith-ai Organization 🕐 Mis à jour 2026-03-30 📅 Créé 2025-12-02
18
optimatika/ojAlgo

Solveurs de PL, de programmation quadratique (PQ) et de programmation en nombres entiers mixtes (PNM) en Java pur, ainsi qu’algèbre linéaire rapide. Aucune dépendance, sous licence MIT. Optimisation mathématique et algèbre linéaire pour la JVM.

optimatika
⭐ 516 Java 👤 optimatika Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2013-10-06

Foire aux questions

1

Quel est le dépôt #matrix-multiplication le plus populaire sur GitHub ?

Le projet #matrix-multiplication open source le mieux classé sur GitHub est williamfiset/algorithms, avec 18,914 étoiles. Une collection d'algorithmes et de structures de données

2

Quels langages de programmation sont les plus utilisés dans les dépôts #matrix-multiplication ?

Parmi les projets #matrix-multiplication les mieux classés sur GitHub, les langages de programmation les plus courants sont C, Cuda, C++, Java.

3

Comment le classement des dépôts #matrix-multiplication est-il calculé ?

Nous suivons 18 dépôts open source actifs associés à #matrix-multiplication (500+ étoiles), totalisant 51,727 étoiles, avec une moyenne de 2,873 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.