#hardware-acceleration Репозитории
Откройте для себя 67 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #hardware-acceleration, с общим числом 169,471 звёзд (в среднем 2,529 на проект). Лидером этой темы является tinygrad/tinygrad, набравший 33,961 звёзд.
Всего репозиториев: 67
ONNX Runtime: кросс-платформенный, высокопроизводительный ускоритель для вывода и обучения ML
Используйте планшет в качестве графического планшета/сенсорного экрана на вашем компьютере.
fastllm — это высокопроизводительная библиотека для инференса больших языковых моделей, не зависящая от бэкенда. Она помогает эффективно запускать инференс на большинстве устройств.
Этот патч удаляет ограничение на максимальное количество одновременных сессий кодирования видео NVENC, наложенное Nvidia на потребительские GPU.
Локальное программное обеспечение NVR и компьютерного зрения с искусственным интеллектом, размещаемое самостоятельно. Благодаря таким функциям, как обнаружение объектов, обнаружение движения, распознавание лиц и многим другим, оно дает вам возможность следить за вашим домом, офисом или любым другим местом, которое вы хотите контролировать.
LiteRT, преемник TensorFlow Lite, является фреймворком Google для развертывания высокопроизводительных ML и GenAI на периферийных платформах, обеспечивая эффективное преобразование, среду выполнения и оптимизацию.
PainterEngine — это движок приложения/игры с программным рендерером. PainterEngine можно портировать на любую платформу, поддерживающую C.
VeOmni: Масштабирование обучения моделей любой модальности с помощью распределенного сборника рецептов, ориентированного на модели
Отличные исследовательские статьи и инструменты для сжатия LLM.
Официальный репозиторий набора разработчика аппаратного и программного обеспечения FPGA для AWS EC2
[ICML 2023] SmoothQuant: Точная и эффективная послетренировочная квантизация для больших языковых моделей
Крупные модели, вдохновленные спайковой активностью мозга, интегрирующие гибридное эффективное внимание, модули MoE и спайковое кодирование в свою архитектуру
Минимальная тензорная обрабатывающая единица (TPU), вдохновленная TPU V2 и V1 от Google
Сверхбыстрая локальная векторная база данных для использования с LLM-агентами. Принимаем SAFE по максимальной оценке в 135 миллионов долларов.
Расширение Chrome, которое заставляет YouTube транслировать видео H.264 вместо видео VP8/VP9.
QMPlay2 — это видео- и аудиопроигрыватель, который может воспроизводить большинство форматов и кодеков.
Quake 2 v3.21 от id Software с наборами миссий и поддержкой Vulkan (Windows, Linux, macOS, FreeBSD, Raspberry Pi 4)
Улучшите качество просмотра видео с помощью современного и удобного медиаплеера.
Исправление MPO для видеокарт AMD 5000/6000/7000/9000 и RTX 2000/3000/4000/5000/GTX 1600
🎞 Аппаратно ускоренное транскодирование видео с использованием API Android MediaCodec. Поддерживает обрезку, конкатенацию, клиппинг, обработку аудио, скорость видео и многое другое.
Компиляторный фреймворк на основе MLIR связывает DSL (предметно-ориентированные языки) с DSA (предметно-ориентированными архитектурами).
SDK Advanced Media Framework (AMF) предоставляет разработчикам оптимальный доступ к устройствам AMD для обработки мультимедиа
Часто задаваемые вопросы
Какой репозиторий по теме #hardware-acceleration наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #hardware-acceleration на GitHub — tinygrad/tinygrad, набравший 33,961 звёзд. Тебе нравится pytorch? Тебе нравится micrograd? Ты любишь tinygrad! ❤️
Какие языки программирования чаще всего используются в репозиториях по теме #hardware-acceleration?
Среди наиболее высоко оценённых проектов по теме #hardware-acceleration на GitHub чаще всего используются языки программирования Python, C++, C, Verilog.
Как рассчитывается рейтинг репозиториев по теме #hardware-acceleration?
Мы отслеживаем 67 активных репозиториев с открытым исходным кодом, отмеченных тегом #hardware-acceleration (500 и более звёзд), с общим числом 169,471 звёзд и в среднем 2,529 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.