#rocm 仓库
探索 30 个标记为 #rocm 的活跃开源 GitHub 仓库,它们累计获得 131,574 个 Star(平均每个项目 4,385 个)。该主题的领先项目是 Dao-AILab/flash-attention,拥有 25,330 个 Star。
共 30 个仓库
Lemonade 通过直接从用户自己的 GPU 和 NPU 提供优化的 LLM,帮助用户发现和运行本地 AI 应用。加入我们的 Discord:https://discord.gg/5xXzkMu8Zk
在您自己的 GPU 上运行 GLM-5.3(744B)、DeepSeek-V4.1-Flash(748B)、MiniMax-M3.1-Flash(428B)、GLM-5.3-Flash(321B)和 Hy4-Flash(220B)——最低仅需 8 GB 显存,支持 NVIDIA 和 AMD,统一仪表板,并提供兼容 OpenAI 和 Anthropic 的 API。
自托管功能强大的Chatterbox TTS模型。该服务器提供用户友好的Web UI,灵活的API端点(包括兼容OpenAI的端点),预设语音,语音克隆以及大规模有声读物级别的文本处理。可在NVIDIA(CUDA)、AMD(ROCm)和CPU上加速运行。
本地推理,体验媲美前沿 API:在 AMD Strix Halo 上运行 Qwen3.8-Flash-Next 和小型 NPU 模型,通过同一端口提供 OpenAI 和 Anthropic API。
LLM 模型量化(压缩)工具包,通过 HF、vLLM 和 SGLang 支持 Nvidia CUDA、AMD ROCm、Intel XPU、Tenstorrent、华为昇腾 NPU,以及 Intel/AMD/Apple CPU 的硬件加速。
用于 Linux 上的 DaVinci Resolve 安装和运行时依赖项的容器。镜像位于 https://codeberg.org/zelikos/davincibox
用你自己的智能前行——编写 Go 应用,直接集成 llama.cpp,在 Linux、macOS、Windows 和 WebAssembly 上利用硬件加速进行本地推理。
CPU、GPU 和 NPU 的峰值算力、内存带宽与延迟:通过所有可访问设备的 API 运行相同的测试。支持 Windows、macOS、Linux 和 Android 的命令行工具与应用
常见问题解答
GitHub 上最受欢迎的 #rocm 仓库是什么?
GitHub 上排名第一的开源 #rocm 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
#rocm 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #rocm 项目中,最常见的编程语言是 Python, C++, Shell, Rust。
#rocm 仓库的排名是如何计算的?
我们跟踪了 30 个标记为 #rocm 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 131,574 个 Star,平均每个仓库拥有 4,385 个 Star。排名每日根据 GitHub API 更新。