gpu-computing

Estabilização de vídeo usando dados de giroscópio

Uma biblioteca de Gradient Boosting on Decision Trees rápida, escalável e de alto desempenho, usada para classificação, regressão, ranking e outras tarefas de aprendizado de máquina para Python, R, Java e C++. Suporta computação em CPU e GPU.

Biblioteca TensorFlow de alto desempenho para finanças quantitativas.

O software de CFD lattice Boltzmann mais rápido e eficiente em memória, executado em todas as GPUs e CPUs via OpenCL. Gratuito para uso não comercial.

Um kit de ferramentas modular e flexível para WebGPU, com inferência de tipos avançada e capacidade de escrever shaders em TypeScript.

Lingvo

Agendamento de recursos e gerenciamento de cluster para IA

Framework de computação GPU de propósito geral construído sobre Vulkan para suportar milhares de placas gráficas de diversos fabricantes (AMD, Qualcomm, NVIDIA e outros). Extremamente rápido, habilitado para dispositivos móveis, assíncrono e otimizado para casos de uso avançados de processamento de dados em GPU. Com suporte da Linux Foundation.

Bibliotecas de Computação do Núcleo CUDA

Arquitetura de microprocessador GPGPU

Integração CUDA para Python, além de recursos avançados

Computação Paralela e Machine Learning Científico (SciML): Métodos e Aplicações (MIT 18.337J/6.338J)

Lista curada de recursos incríveis sobre o ecossistema WebGPU.

Deep learning em Rust, com tensores verificados por forma e redes neurais

Compilador para múltiplos modelos de programação (SYCL, C++ standard parallelism, HIP/CUDA) para CPUs e GPUs de todos os fabricantes: O compilador independente, orientado pela comunidade, para modelos de programação heterogênea baseados em C++. Permite que as aplicações se adaptem a todo o hardware do sistema, inclusive em tempo de execução!

Simulação de redes neurais de picos (SNNs) usando PyTorch.

Escreva em Java. Execute em GPUs. Rápido

Uma biblioteca eficiente de computação numérica em GPU C++20 com sintaxe semelhante a Python

Uma biblioteca de tensores rápida, ergonômica e portátil em Nim com foco em aprendizado profundo para CPU, GPU e dispositivos embarcados via backends OpenMP, Cuda e OpenCL

Repositório de código-fonte do LuxCore

stdgpu: estruturas de dados eficientes semelhantes à STL na GPU.

Biblioteca de matrizes rápida para Clojure

Linguagem embarcada para computação de arrays de alto desempenho

Uma lista curada dos melhores livros de programação CUDA

Wrappers finos, unificados e com sabor de C++ para as APIs CUDA

Integração do Blender para LuxCore.

Lista de provedores de nuvem para Deep Learning

Simulações Particle-in-Cell de Desempenho Portátil para a Era Exascale :sparkles:

GPU-Jupyter: Seu JupyterLab acelerado por GPU com uma rica pilha de ferramentas de ciência de dados, TensorFlow e PyTorch para seus experimentos de deep learning reproduzíveis.

Pacote de dinâmica de fluidos diferenciável