gpu-computing

Estabilización de video utilizando datos del giroscopio

Una biblioteca de Gradient Boosting on Decision Trees rápida, escalable y de alto rendimiento, utilizada para tareas de clasificación, regresión, ranking y otras de machine learning para Python, R, Java, C++. Soporta computación en CPU y GPU.

Biblioteca de TensorFlow de alto rendimiento para finanzas cuantitativas.

El software CFD de celosía de Boltzmann más rápido y eficiente en memoria, que se ejecuta en todas las GPU y CPU mediante OpenCL. Gratuito para uso no comercial.

Un kit de herramientas modular y abierto para WebGPU, con inferencia de tipos avanzada y la capacidad de escribir shaders en TypeScript

Lingvo.

Programación de recursos y gestión de clústeres para IA

Framework de computación GPU de propósito general construido sobre Vulkan para admitir miles de tarjetas gráficas de múltiples fabricantes (AMD, Qualcomm, NVIDIA y más). Ultra rápido, compatible con dispositivos móviles, asíncrono y optimizado para casos de uso avanzados de procesamiento de datos en GPU. Apoyado por la Linux Foundation.

Librerías de cómputo CUDA Core

Arquitectura de microprocesador GPGPU

Integración de CUDA para Python, además de funciones destacadas

Computación paralela y aprendizaje automático científico (SciML): Métodos y aplicaciones (MIT 18.337J/6.338J)

😎 Lista seleccionada de recursos increíbles sobre el ecosistema WebGPU.

Aprendizaje profundo en Rust, con tensores verificados por forma y redes neuronales

Compilador para múltiples modelos de programación (SYCL, paralelismo estándar de C++, HIP/CUDA) para CPUs y GPUs de todos los fabricantes: el compilador independiente impulsado por la comunidad para modelos de programación heterogénea basados en C++. ¡Permite que las aplicaciones se adapten a todo el hardware del sistema, incluso en tiempo de ejecución!

Simulación de redes neuronales de picos (SNN) usando PyTorch.

Escribe en Java. Ejecuta en GPUs. Rápido.

Una biblioteca eficiente de computación numérica en GPU para C++20 con sintaxis similar a Python.

Una biblioteca de tensores rápida, ergonómica y portátil en Nim, enfocada en aprendizaje profundo para CPU, GPU y dispositivos embebidos mediante backends de OpenMP, Cuda y OpenCL.

Repositorio de código fuente de LuxCore

stdgpu: estructuras de datos eficientes similares a STL en la GPU

Biblioteca de matrices rápida para Clojure

Lenguaje embebido para cálculos de arreglos de alto rendimiento

Una lista curada de los mejores libros de programación en CUDA.

Envoltorios ligeros y unificados con estilo C++ para las API de CUDA.

Integración de Blender para LuxCore

Lista de proveedores de nube para Deep Learning.

Simulaciones de partículas en celda (PIC) de rendimiento portátil para la era de la exaescala.

GPU-Jupyter: Su JupyterLab acelerado por GPU con un completo conjunto de herramientas de ciencia de datos, TensorFlow y PyTorch para sus experimentos de aprendizaje profundo reproducibles.

Paquete de dinámica de fluidos diferenciable