#gpu-computing Repositórios
Descubra 97 repositórios ativos de código aberto no GitHub marcados com #gpu-computing, acumulando um total de 278,163 estrelas (uma média de 2,867 por projeto). O líder deste tópico é facebookresearch/faiss, com 41,842 estrelas.
97 repositórios no total
Uma biblioteca para busca de similaridade eficiente e clusterização de vetores densos.
Plataforma de simulação para robótica de uso geral e aprendizado de IA incorporada.
NVIDIA Cosmos é uma plataforma aberta de modelos mundiais, conjuntos de dados e ferramentas que permite aos desenvolvedores construir IA Física para robôs, veículos autônomos, infraestrutura inteligente e muito mais.
Uma biblioteca de Gradient Boosting em Árvores de Decisão rápida, escalável e de alto desempenho, usada para ranking, classificação, regressão e outras tarefas de aprendizado de máquina para Python, R, Java, C++. Suporta computação em CPU e GPU.
Linguagem de domínio específico projetada para otimizar o desenvolvimento de kernels de alto desempenho para GPU/CPU/Aceleradores
Ferramentas de infraestrutura de IA testadas em produção para o desenvolvimento eficiente de IGA e inovação impulsionada pela comunidade
O software de CFD Lattice Boltzmann mais rápido e eficiente em termos de memória, executado em todas as GPUs e CPUs via OpenCL. Gratuito para uso não comercial.
fastllm é uma biblioteca de inferência de modelos de linguagem grandes de alto desempenho, sem dependências de backend, que ajuda você a executar inferências com eficiência na maioria dos dispositivos.
Este patch remove a restrição no número máximo de sessões simultâneas de codificação de vídeo NVENC impostas pela Nvidia às GPUs de nível de consumidor.
MindSpore é uma nova estrutura de treinamento/inferência de aprendizado profundo de código aberto que pode ser usada para cenários móveis, de borda (edge) e de nuvem.
Uma biblioteca leve para computação de GPU de baixo nível portátil usando WebGPU.
Código oficial usado para desenvolver Vision Transformer, SigLIP, MLP-Mixer, LiT e mais.
Um kit de ferramentas modular e extensível para WebGPU, com inferência de tipos avançada e a capacidade de escrever shaders em TypeScript
Estrutura de computação GPU de propósito geral, construída sobre Vulkan para suportar milhares de placas gráficas de diferentes fornecedores (AMD, Qualcomm, NVIDIA e companheiros). Ultrarrápido, habilitado para dispositivos móveis, assíncrono e otimizado para casos de uso avançados de processamento de dados por GPU. Apoiado pela Fundação Linux.
Coleção de recursos educacionais selecionados pela NVIDIA relacionados à programação de GPU de uso geral.
Computação Paralela e Machine Learning Científico (SciML): Métodos e Aplicações (MIT 18.337J/6.338J)
Compilador para múltiplos modelos de programação (SYCL, paralelismo padrão C++, HIP/CUDA) para CPUs e GPUs de todos os fornecedores: O compilador independente e orientado pela comunidade para modelos de programação heterogênea baseados em C++. Permite que as aplicações se adaptem a todo o hardware do sistema — até mesmo em tempo de execução!
Biblioteca de odometria visual e SLAM acelerada por CUDA para rastreamento de câmera rápido, preciso e de baixa latência
Uma biblioteca de computação numérica GPU C++20 eficiente com sintaxe semelhante a Python
Uma biblioteca de tensores rápida, ergonómica e portátil em Nim, com foco em deep learning para CPU, GPU e dispositivos embarcados, via backends OpenMP, Cuda e OpenCL
Operações de Kernel, em CPUs e GPUs, com autodiferenciação e sem transbordamentos de memória
[NeurIPS 2023] MeZO: Ajuste Fino de Modelos de Linguagem Somente com Passagens de Avanço. https://arxiv.org/abs/2305.17333
🐳 Implementações Triton eficientes para "Atenção Esparsa Nativa: Atenção Esparsa Alinhada ao Hardware e Nativa para Treinamento"
Perguntas Frequentes
Qual é o repositório de #gpu-computing mais popular no GitHub?
O projeto de código aberto de #gpu-computing mais bem classificado no GitHub é facebookresearch/faiss, com 41,842 estrelas. Uma biblioteca para busca de similaridade eficiente e clusterização de vetores densos.
Quais linguagens de programação são mais usadas nos repositórios de #gpu-computing?
Entre os projetos de #gpu-computing mais bem classificados no GitHub, as linguagens de programação mais comuns são C++, Python, Rust, Cuda.
Como é calculada a classificação dos repositórios de #gpu-computing?
Acompanhamos 97 repositórios ativos de código aberto marcados com #gpu-computing (com mais de 500 estrelas), totalizando 278,163 estrelas e uma média de 2,867 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.