#cuda-kernels Репозитории
Откройте для себя 34 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #cuda-kernels, с общим числом 129,157 звёзд (в среднем 3,798 на проект). Лидером этой темы является Dao-AILab/flash-attention, набравший 25,330 звёзд.
Всего репозиториев: 34
Книга с открытым исходным кодом, содержащая учебные заметки по современному CUDA для начинающих: BF16/FP8/FP4, HGEMM, CuTe, Flash-Attention и др.
Взломостойкие и оптимизированные строительные блоки Transformer, поддерживающие композитную конструкцию.
Экосистема библиотек и инструментов для написания и выполнения быстрого кода GPU полностью на Rust.
[MLSys 2024 Best Paper Award] AWQ: Активное квантование весов, осознанное активацией, для сжатия и ускорения LLM
Nvdiffrast - Модульные примитивы для высокопроизводительного дифференцируемого рендеринга
Проект, демонстрирующий решения ИИ, связанные с Lidar, включая три ускоренных на GPU сети глубокого обучения (DL) Lidar/камера (PointPillars, CenterPoint, BEVFusion) и связанные библиотеки (cuPCL, 3D SparseConvolution, YUV2RGB, cuOSD).
[ECCV 2024] Street Gaussians: Моделирование динамических городских сцен с помощью гауссовой растеризации
Официальный репозиторий Pytorch для экстремального сжатия больших языковых моделей с помощью аддитивной квантизации https://arxiv.org/pdf/2401.06118.pdf и PV-Tuning: за пределами прямого оценивания для экстремального сжатия LLM https://arxiv.org/abs/2405.14852
Библиотека машинного обучения с API на TypeScript и бэкендом на Rust. Совместимость с CUDA и WebGPU. Создана для понимания внутренней работы фреймворков и моделей ML.
cuDNN Frontend — это современная open-source точка входа NVIDIA в библиотеку cuDNN и растущую коллекцию высокопроизводительных open-source ядер.
Распределенное внимание для линейной масштабируемости при обучении на сверхдлинных контекстах и гетерогенных данных
Веб-фреймворк на Rust, основанный на Axum, с ядрами приложений, проверяемыми с помощью Lean 4 и работающими на серверах, встраиваемых устройствах без ОС и GPU, а также со встроенным тестированием безопасности.
[MLSys'25] QServe: W4A8KV4 Квантование и совместное проектирование системы для эффективной подачи LLM; [MLSys'25] LServe: Эффективная подача LLM для длинных последовательностей с унифицированным разреженным вниманием
FlashRT — это высокопроизводительный движок для инференса в реальном времени, предназначенный для небольших пакетов данных и задач ИИ, чувствительных к задержкам. Флагманская интеграция включает промышленное управление VLA для Pi0, Pi0.5, GROOT N1.6 и Pi0-FAST. Также поддерживаются LLM, например, qwen3.6-27B.
Чистый движок вывода LLM на Rust + CUDA — без PyTorch, совместим с OpenAI, обслуживает от Qwen3 до Kimi-K2
Реализация с открытым исходным кодом **MV-DUSt3R+ Одноэтапная реконструкция сцены из разреженных видов за 2 секунды** от Meta Reality Labs. Страница проекта https://mv-dust3rp.github.io/
CUDA-L2: Превосхождение производительности cuBLAS в умножении матриц с помощью обучения с подкреплением
[ICCV 2025] Простой подход без обучения, адаптирующий DUSt3R для динамических сцен.
Часто задаваемые вопросы
Какой репозиторий по теме #cuda-kernels наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #cuda-kernels на GitHub — Dao-AILab/flash-attention, набравший 25,330 звёзд. Быстрое и эффективное по памяти точное внимание
Какие языки программирования чаще всего используются в репозиториях по теме #cuda-kernels?
Среди наиболее высоко оценённых проектов по теме #cuda-kernels на GitHub чаще всего используются языки программирования Python, C++, Rust, Cuda.
Как рассчитывается рейтинг репозиториев по теме #cuda-kernels?
Мы отслеживаем 34 активных репозиториев с открытым исходным кодом, отмеченных тегом #cuda-kernels (500 и более звёзд), с общим числом 129,157 звёзд и в среднем 3,798 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.