#rocm Repositórios
Descubra 30 repositórios ativos de código aberto no GitHub marcados com #rocm, acumulando um total de 131,574 estrelas (uma média de 4,385 por projeto). O líder deste tópico é Dao-AILab/flash-attention, com 25,330 estrelas.
30 repositórios no total
Burn é uma biblioteca de tensores de próxima geração e um framework de Deep Learning que não compromete a flexibilidade, a eficiência e a portabilidade.
Lemonade ajuda os usuários a descobrir e executar aplicativos de IA locais, fornecendo LLMs otimizados diretamente de suas próprias GPUs e NPUs. Junte-se ao nosso discord: https://discord.gg/5xXzkMu8Zk
Um gerenciador de cluster de GPU para serviço de modelos de IA de alto desempenho (vLLM, SGLang) e instâncias de GPU sob demanda acessíveis via SSH.
Um kit de ferramentas de compilação e tempo de execução de aprendizado de máquina baseado em MLIR, com capacidade de retargeting.
Execute GLM-5.3 (744B), DeepSeek-V4.1-Flash (748B), MiniMax-M3.1-Flash (428B), GLM-5.3-Flash (321B) e Hy4-Flash (220B) nas suas próprias GPUs — a partir de 8 GB de VRAM, com suporte para NVIDIA e AMD, um único painel e uma API compatível com OpenAI e Anthropic.
Um pacote de aprendizado profundo para representação de energia potencial de muitos corpos e dinâmica molecular
Hospede você mesmo o poderoso modelo Chatterbox TTS. Este servidor oferece uma interface web amigável, endpoints de API flexíveis (incluindo compatibilidade com OpenAI), vozes predefinidas, clonagem de voz e processamento de texto em grande escala para audiolivros. É executado acelerado em NVIDIA (CUDA), AMD (ROCm) e CPU.
Inferência local com comportamento semelhante ao de uma API de ponta: Qwen3.8-Flash-Next no AMD Strix Halo, além de pequenos modelos NPU, pelas APIs da OpenAI e da Anthropic em uma única porta.
Kit de ferramentas para quantização (compressão) de modelos LLM, com suporte à aceleração por hardware para Nvidia CUDA, AMD ROCm, Intel XPU, Tenstorrent, NPU Huawei Ascend e CPUs Intel/AMD/Apple via HF, vLLM e SGLang.
Execute modelos maiores do que a capacidade da sua RAM ou VRAM transmitindo especialistas MoE a partir de um SSD. Baseado no llama.cpp.
Contêiner para instalação e dependências de tempo de execução do DaVinci Resolve no Linux. Espelhado em https://codeberg.org/zelikos/davincibox
UniLab: infraestrutura orientada por contratos para o aprendizado robótico em diferentes backends de física e hardware
Arquivos de Biblioteca ROCm para gfx1103 e atualização com outras arquiteturas baseadas em GPUs AMD para uso no Windows.
Avance com sua própria inteligência: escreva aplicações em Go que integrem diretamente o llama.cpp para realizar inferência local com aceleração de hardware no Linux, macOS, Windows e WebAssembly.
Poder computacional máximo, largura de banda da memória e latência de CPUs, GPUs e NPUs: os mesmos testes por meio de todas as APIs que acessam um dispositivo. Linha de comando e aplicativo para Windows, macOS, Linux e Android
Dockerfiles para as várias camadas de software definidas na plataforma de software ROCm
Perguntas Frequentes
Qual é o repositório de #rocm mais popular no GitHub?
O projeto de código aberto de #rocm mais bem classificado no GitHub é Dao-AILab/flash-attention, com 25,330 estrelas. Atenção exata rápida e com eficiência de memória
Quais linguagens de programação são mais usadas nos repositórios de #rocm?
Entre os projetos de #rocm mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, C++, Shell, Rust.
Como é calculada a classificação dos repositórios de #rocm?
Acompanhamos 30 repositórios ativos de código aberto marcados com #rocm (com mais de 500 estrelas), totalizando 131,574 estrelas e uma média de 4,385 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.