Git Stars Git Stars

#pipeline-parallelism Repositórios

Descubra 11 repositórios ativos de código aberto no GitHub marcados com #pipeline-parallelism, acumulando um total de 112,409 estrelas (uma média de 10,219 por projeto). O líder deste tópico é deepspeedai/DeepSpeed, com 43,348 estrelas.

11
Total de Repositórios
112,409
Total de estrelas
10,219
Média de Estrelas/Repositório
Linguagens de programação: Python C++ Jupyter Notebook

11 repositórios no total

1
deepspeedai/DeepSpeed

DeepSpeed é uma biblioteca de otimização de aprendizado profundo que torna o treinamento e a inferência distribuídos fáceis, eficientes e eficazes.

deepspeedai
⭐ 43,348 Python 👤 deepspeedai Organization 🕐 Atualizado 2026-11-21 📅 Criado 2020-01-23
2
hpcaitech/ColossalAI

Tornando os grandes modelos de IA mais baratos, rápidos e acessíveis

hpcaitech
⭐ 41,421 Python 👤 hpcaitech Organization 🕐 Atualizado 2026-11-19 📅 Criado 2021-10-28
3
bigscience-workshop/petals

🌸 Execute LLMs em casa, no estilo BitTorrent. Ajuste fino e inferência até 10x mais rápido do que o descarregamento.

bigscience-workshop
⭐ 9,864 Python 👤 bigscience-workshop Organization 🕐 Atualizado 2024-09-07 📅 Criado 2022-06-12
4
pytorch/torchtitan

Uma plataforma nativa PyTorch para treinar modelos de IA generativa

pytorch
⭐ 5,936 Python 👤 pytorch Organization 🕐 Atualizado 2026-11-21 📅 Criado 2023-12-13
5
deepseek-ai/DualPipe

Um algoritmo de paralelismo de pipeline bidirecional para sobreposição de computação-comunicação no treinamento do DeepSeek V3/R1.

deepseek-ai
⭐ 3,036 Python 👤 deepseek-ai Organization 🕐 Atualizado 2026-01-14 📅 Criado 2025-02-26
6
Alibaba-Quark/LiveAvatar

[Destaque da ECCV 2026] Implementação de «Live Avatar: geração de avatares orientada por áudio em tempo real, em streaming e com duração infinita»

Alibaba-Quark
⭐ 2,531 Python 👤 Alibaba-Quark Organization 🕐 Atualizado 2026-08-24 📅 Criado 2025-12-04
7
tdrussell/diffusion-pipe

Um script de treinamento paralelo em pipeline para modelos de difusão.

tdrussell
⭐ 2,037 Python 👤 tdrussell User 🕐 Atualizado 2026-11-19 📅 Criado 2024-08-03
8
bigscience-workshop/Megatron-DeepSpeed

Pesquisa contínua treinando modelos de linguagem transformer em escala, incluindo: BERT e GPT-2

bigscience-workshop
⭐ 1,426 Python 👤 bigscience-workshop Organization 🕐 Atualizado 2024-03-20 📅 Criado 2021-07-02
9
Soulmate-Halo/heterogeneous-gpu-pd-lab

Acelere hosts com grande memória e computação esparsa usando placas de computação densa, incluindo AI Max+ 395, M3 512G e DGX Spark.

Soulmate-Halo
⭐ 1,288 C++ 👤 Soulmate-Halo User 🕐 Atualizado 2026-11-10 📅 Criado 2026-09-01
10
kakaobrain/torchgpipe

Uma implementação GPipe em PyTorch

kakaobrain
⭐ 861 Python 👤 kakaobrain Organization 🕐 Atualizado 2024-07-25 📅 Criado 2019-05-10
11
Coobiw/MPP-LLaVA

Projeto Pessoal: MPP-Qwen14B & MPP-Qwen-Next (Pipeline Paralelo Multimodal baseado em Qwen-LM). Suporta [video/image/multi-image] {sft/conversations}. Não deixe a pobreza limitar sua imaginação! Treine seu próprio MLLM 8B/14B semelhante ao LLaVA-training na RTX3090/4090 24GB.

Coobiw
⭐ 678 Jupyter Notebook 👤 Coobiw User 🕐 Atualizado 2025-03-10 📅 Criado 2023-10-24

Perguntas Frequentes

1

Qual é o repositório de #pipeline-parallelism mais popular no GitHub?

O projeto de código aberto de #pipeline-parallelism mais bem classificado no GitHub é deepspeedai/DeepSpeed, com 43,348 estrelas. DeepSpeed é uma biblioteca de otimização de aprendizado profundo que torna o treinamento e a inferência distribuídos fáceis, eficientes e eficazes.

2

Quais linguagens de programação são mais usadas nos repositórios de #pipeline-parallelism?

Entre os projetos de #pipeline-parallelism mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, C++, Jupyter Notebook.

3

Como é calculada a classificação dos repositórios de #pipeline-parallelism?

Acompanhamos 11 repositórios ativos de código aberto marcados com #pipeline-parallelism (com mais de 500 estrelas), totalizando 112,409 estrelas e uma média de 10,219 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.