Git Stars Git Stars

#ascend Repository

Scopri 9 repository GitHub open source attivi contrassegnati con #ascend, che raccolgono un totale di 29,754 stelle (con una media di 3,306 stelle per progetto). Il progetto leader di questo argomento è Syllo/nvtop, con 11,169 stelle.

9
Totale Repository
29,754
Totale stelle
3,306
Media Stelle/Repo

9 repository in totale

1
Syllo/nvtop

Monitoraggio dei processi GPU e acceleratore per AMD, Apple, Huawei, Intel, NVIDIA e Qualcomm

Syllo
⭐ 11,169 C 👤 Syllo User 🕐 Aggiornato 2026-11-21 📅 Creato 2017-06-16
2
gpustack/gpustack

Un gestore di cluster GPU per il serving di modelli AI ad alte prestazioni (vLLM, SGLang) e istanze GPU on-demand accessibili via SSH.

gpustack
⭐ 6,097 Python 👤 gpustack Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2024-05-11
3
Project-HAMi/HAMi

Condivisione eterogenea di GPU su Kubernetes

Project-HAMi
⭐ 5,044 Go 👤 Project-HAMi Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2021-09-14
4
data-infra/cube-studio

CubeStudio è una piattaforma open source cloud-native all-in-one per machine learning/deep learning/grandi modelli AI/MaaS/MLOps/piattaforma di intelligenza artificiale/piattaforma di training e inferenza, che copre l'intero pipeline dell'algoritmo, multi-tenancy, piattaforma di noleggio di potenza di calcolo, relay di token, orchestrazione di pipeline di flussi di lavoro tramite trascinamento, training distribuito multi-macchina multi-scheda, ricerca di iperparametri, servizi di inferenza, virtualizzazione VGPU, collaborazione cloud-edge-dispositivo, edge computing, piattaforma di annotazione automatizzata, fine-tuning SFT/modello di ricompensa/training di apprendimento per rinforzo per grandi modelli come DeepSeek, inferenza multi-macchina per grandi modelli con vLLM/Ollama/MindIE, agenti intelligenti LLMOps con knowledge base privata, mercato di modelli AI, supporto per la pianificazione di potenza di calcolo eterogenea nazionale (Ascend, Cambricon, Hygon, Moore Threads, Muxi, ecc.), supporto per IB/RoCE/RDMA e supporto Xinchuang.

data-infra
⭐ 2,615 Python 👤 data-infra User 🕐 Aggiornato 2026-10-12 📅 Creato 2024-07-02
5
nndeploy/nndeploy

Un framework di implementazione dell'IA facile da usare e ad alte prestazioni | An Easy-to-Use and High-Performance AI Deployment Framework

nndeploy
⭐ 1,904 C++ 👤 nndeploy Organization 🕐 Aggiornato 2026-11-19 📅 Creato 2023-08-08
6
datawhalechina/torch-rechub

Un Framework PyTorch per Modelli di Raccomandazione, Facile da usare e Facile da estendere.

datawhalechina
⭐ 1,243 Jupyter Notebook 👤 datawhalechina Organization 🕐 Aggiornato 2026-11-20 📅 Creato 2022-05-12
7
Ascend/pytorch

In quanto componente centrale della community Huawei Ascend per PyTorch, TorchNPU è un plug-in di adattamento per il deep learning sviluppato da Ascend per PyTorch. Consente al framework PyTorch di utilizzare direttamente le NPU Ascend e offre agli sviluppatori la potente capacità di calcolo dei processori AI Ascend.

Ascend
⭐ 609 Python 👤 Ascend Organization 🕐 Aggiornato 2026-11-21 📅 Creato 2021-08-31
9
LSH9832/edgeyolo

un rilevatore di oggetti anchor-free in tempo reale con prestazioni discrete

LSH9832
⭐ 531 Python 👤 LSH9832 User 🕐 Aggiornato 2026-04-20 📅 Creato 2022-12-13

Domande frequenti

1

Qual è il repository #ascend più popolare su GitHub?

Il progetto open source #ascend più alto in classifica su GitHub è Syllo/nvtop, con 11,169 stelle. Monitoraggio dei processi GPU e acceleratore per AMD, Apple, Huawei, Intel, NVIDIA e Qualcomm

2

Quali linguaggi di programmazione sono più utilizzati nei repository #ascend?

Tra i progetti #ascend più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, C++, C, Go.

3

Come viene calcolata la classifica dei repository #ascend?

Monitoriamo 9 repository open source attivi contrassegnati con #ascend (500+ stelle), per un totale di 29,754 stelle e una media di 3,306 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.