#gpu-optimization 仓库
探索 55 个标记为 #gpu-optimization 的活跃开源 GitHub 仓库,它们累计获得 216,210 个 Star(平均每个项目 3,931 个)。该主题的领先项目是 Dao-AILab/flash-attention,拥有 25,330 个 Star。
共 55 个仓库
基于nanoGPT的LLaMA语言模型实现。支持flash attention,Int8和GPTQ 4bit量化,LoRA和LLaMA-Adapter微调,预训练。Apache 2.0许可。
ICLR 2023 论文“GPTQ: Accurate Post-training Quantization of Generative Pretrained Transformers”的代码。
一个演示Lidar相关AI解决方案的项目,包括三个GPU加速的Lidar/摄像头深度学习网络(PointPillars, CenterPoint, BEVFusion)以及相关的库(cuPCL, 3D SparseConvolution, YUV2RGB, cuOSD)。
CUDA Tile IR 是一种基于 MLIR 的中间表示和编译器基础设施,用于 CUDA 内核优化,专注于基于瓦片的计算模式和针对 NVIDIA Tensor Core 单元的优化。
Real-Time Diffusion-Based Streaming Video Super-Resolution / 基于Diffusion架构的实时视频流超分模型
C++ 跨平台 3D 图形 SDK。包含演示和辅助代码(资源加载等),以加速 Vulkan、OpenGL ES 2.0 和 3.x 应用程序的开发
常见问题解答
GitHub 上最受欢迎的 #gpu-optimization 仓库是什么?
GitHub 上排名第一的开源 #gpu-optimization 项目是 Dao-AILab/flash-attention,拥有 25,330 个 Star。快速且内存高效的精确注意力
#gpu-optimization 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #gpu-optimization 项目中,最常见的编程语言是 Python, C++, Cuda, HTML。
#gpu-optimization 仓库的排名是如何计算的?
我们跟踪了 55 个标记为 #gpu-optimization 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 216,210 个 Star,平均每个仓库拥有 3,931 个 Star。排名每日根据 GitHub API 更新。