#rocm Dépôts
Découvrez 30 dépôts GitHub open source actifs associés à #rocm, cumulant 131,574 étoiles au total (soit une moyenne de 4,385 étoiles par projet). Le projet en tête de ce thème est Dao-AILab/flash-attention, avec 25,330 étoiles.
30 dépôts au total
Burn est une bibliothèque de tenseurs de nouvelle génération et un framework de Deep Learning qui ne transige pas sur la flexibilité, l'efficacité et la portabilité.
Lemonade aide les utilisateurs à découvrir et à exécuter des applications d'IA locales en fournissant des LLM optimisés directement depuis leurs propres GPU et NPU. Rejoignez notre Discord : https://discord.gg/5xXzkMu8Zk
Un gestionnaire de cluster GPU pour le service de modèles d'IA haute performance (vLLM, SGLang) et des instances GPU accessibles par SSH à la demande.
Un compilateur et kit d'outils d'exécution pour l'apprentissage automatique basé sur MLIR et retargetable.
Exécutez GLM-5.3 (744B), DeepSeek-V4.1-Flash (748B), MiniMax-M3.1-Flash (428B), GLM-5.3-Flash (321B) et Hy4-Flash (220B) sur vos propres GPU — à partir de 8 Go de VRAM, avec prise en charge de NVIDIA et AMD, un tableau de bord unique et une API compatible avec OpenAI et Anthropic.
Un package d'apprentissage profond pour la représentation de l'énergie potentielle à plusieurs corps et la dynamique moléculaire
Auto-hébergez le puissant modèle Chatterbox TTS. Ce serveur offre une interface Web conviviale, des points de terminaison API flexibles (y compris compatibles avec OpenAI), des voix prédéfinies, le clonage de voix et le traitement de texte à l'échelle de grands livres audio. S'exécute accéléré sur NVIDIA (CUDA), AMD (ROCm) et CPU.
L'environnement HIP et le kit ROCm - Un système de build léger open source pour HIP et ROCm
Inférence locale au comportement comparable à celui d’une API de pointe : Qwen3.8-Flash-Next sur AMD Strix Halo, ainsi que de petits modèles NPU, via les API d’OpenAI et d’Anthropic sur un seul port.
Boîte à outils de quantification (compression) de modèles LLM, avec prise en charge de l’accélération matérielle pour Nvidia CUDA, AMD ROCm, Intel XPU, Tenstorrent, les NPU Huawei Ascend et les processeurs Intel/AMD/Apple via HF, vLLM et SGLang.
Exécutez des modèles dont la taille dépasse la capacité de votre RAM ou VRAM en diffusant les experts MoE depuis un SSD. Basé sur llama.cpp.
Conteneur pour l'installation et les dépendances d'exécution de DaVinci Resolve sous Linux. Miroir disponible sur https://codeberg.org/zelikos/davincibox
UniLab : une infrastructure régie par des contrats pour l’apprentissage robotique sur différents moteurs physiques et matériels
Fichiers de bibliothèque ROCm pour gfx1103 et mise à jour avec d'autres architectures basées sur les GPU AMD pour une utilisation sous Windows.
Progressez avec votre propre intelligence : écrivez des applications Go qui intègrent directement llama.cpp pour effectuer des inférences locales avec accélération matérielle sous Linux, macOS, Windows et WebAssembly.
Puissance de calcul maximale, bande passante mémoire et latence des CPU, GPU et NPU : les mêmes tests via chaque API permettant d’accéder à un appareil. Ligne de commande et application pour Windows, macOS, Linux et Android
Dockerfiles pour les différentes couches logicielles définies dans la plateforme logicielle ROCm
Foire aux questions
Quel est le dépôt #rocm le plus populaire sur GitHub ?
Le projet #rocm open source le mieux classé sur GitHub est Dao-AILab/flash-attention, avec 25,330 étoiles. Attention exacte rapide et économe en mémoire
Quels langages de programmation sont les plus utilisés dans les dépôts #rocm ?
Parmi les projets #rocm les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, Shell, Rust.
Comment le classement des dépôts #rocm est-il calculé ?
Nous suivons 30 dépôts open source actifs associés à #rocm (500+ étoiles), totalisant 131,574 étoiles, avec une moyenne de 4,385 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.