#gpu-acceleration Repositórios
Descubra 181 repositórios ativos de código aberto no GitHub marcados com #gpu-acceleration, acumulando um total de 395,569 estrelas (uma média de 2,185 por projeto). O líder deste tópico é kvcache-ai/ktransformers, com 19,687 estrelas.
181 repositórios no total
Um Framework Flexível para Experimentar Otimizações de Inferência/Ajuste Fino de LLM Heterogêneos
Uma biblioteca JavaScript acelerada por WebGL para treinar e implantar modelos de ML.
NVIDIA® TensorRT™ é um SDK para inferência de deep learning de alto desempenho em GPUs NVIDIA. Este repositório contém os componentes de código aberto do TensorRT.
PyTorch3D é a biblioteca de componentes reutilizáveis do FAIR para aprendizado profundo com dados 3D
Um emulador de terminal GPU acelerado por hardware focado em rodar em desktops e navegadores.
Makepad é uma plataforma de desenvolvimento de software criativo para Rust que compila para wasm/webGL, osx/metal, windows/dx11 linux/opengl
Um framework Python para simulação acelerada por GPU, robótica e aprendizado de máquina.
Um projeto dedicado a tornar o Particionamento de GPU no Windows mais fácil!
Uma biblioteca de inferência rápida para executar LLMs localmente em GPUs de classe de consumidor modernas
NVIDIA Isaac Sim™ é uma aplicação de código aberto no NVIDIA Omniverse para desenvolver, simular e testar robôs impulsionados por IA em ambientes virtuais realistas.
Fluxos de trabalho de referência de IA generativa otimizados para infraestrutura acelerada e arquitetura de microsserviços.
Transforme um celular Android antigo em um desktop Linux com aceleração por GPU (XFCE4 / KDE Plasma / LXQt / MATE) ou em um servidor de casa inteligente Home Assistant — usando o Termux. Sem root, sem PC, sem nuvem.
Uma implementação rápida e simples de algoritmos de aprendizado para robótica.
A NeMo Retriever Library é um microsserviço escalável e orientado ao desempenho para extração de conteúdo de documentos e metadados. A NeMo Retriever Library usa microsserviços especializados NVIDIA NIM para encontrar, contextualizar e extrair textos, tabelas, gráficos e imagens que você pode usar em aplicações generativas subsequentes.
GPUImage 3 é um framework Swift licenciado pela BSD para processamento de vídeo e imagem acelerado por GPU usando Metal.
xDiT: Um Mecanismo de Inferência Escalável para Transformers de Difusão (DiTs) com Paralelismo Massivo
Infraestrutura para sistemas de IA evolutiva. Otimização baseada em PyTorch e acelerada por GPU, com um ecossistema de bibliotecas de algoritmos, benchmarks e ferramentas.
SwiftShader é uma implementação baseada em CPU de alto desempenho da API gráfica Vulkan. Seu objetivo é fornecer independência de hardware para gráficos 3D avançados.
OCRFlux é um kit de ferramentas multimodal leve, porém poderoso, que avança significativamente a conversão de PDF para Markdown, destacando-se no tratamento de layouts complexos, análise de tabelas complicadas e fusão de conteúdo entre páginas.
Execute, compile e depure JavaScript para Computação Científica e Visualização de Dados TOTALMENTE TOTALMENTE TOTALMENTE no seu NAVEGADOR! Um ambiente de computação científica de código aberto para JavaScript TOTALMENTE no seu navegador, operações de matriz com aceleração por GPU, suporte a TeX, visualização de dados e computação simbólica.
Uma biblioteca de código aberto para demonstrações em simulação e com robôs reais baseada no MuJoCo.
Nvdiffrast - Primitivas Modulares para Renderização Diferenciável de Alto Desempenho
O Win2D é uma API do Windows Runtime fácil de usar para renderização de gráficos 2D em modo imediato com aceleração por GPU. Está disponível para desenvolvedores C#, C++ e VB que criam aplicações para a Plataforma Universal do Windows (UWP). Ele utiliza o poder do Direct2D e se integra perfeitamente com XAML e CoreWindow.
Perguntas Frequentes
Qual é o repositório de #gpu-acceleration mais popular no GitHub?
O projeto de código aberto de #gpu-acceleration mais bem classificado no GitHub é kvcache-ai/ktransformers, com 19,687 estrelas. Um Framework Flexível para Experimentar Otimizações de Inferência/Ajuste Fino de LLM Heterogêneos
Quais linguagens de programação são mais usadas nos repositórios de #gpu-acceleration?
Entre os projetos de #gpu-acceleration mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, C++, Rust, Jupyter Notebook.
Como é calculada a classificação dos repositórios de #gpu-acceleration?
Acompanhamos 181 repositórios ativos de código aberto marcados com #gpu-acceleration (com mais de 500 estrelas), totalizando 395,569 estrelas e uma média de 2,185 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.