Project Icon

tiny-gpu

简化GPU实现深入解析并行计算原理

tiny-gpu是一个精简的GPU实现项目,旨在帮助学习者理解GPU工作原理。该项目聚焦通用GPU和机器学习加速器的核心原理,包括架构设计、SIMD并行化和内存管理。通过Verilog实现、架构文档和矩阵运算示例,tiny-gpu简化了复杂概念,使学习者能从底层理解现代硬件加速器的关键要素。

tiny-tensorrt - 简洁易用的nvidia TensorRT封装库,支持通过C++和Python API快速部署Onnx模型
CUDACUDNNGithubTensorRTonnx modeltiny-tensorrt开源项目
tiny-tensorrt是一个简洁易用的nvidia TensorRT封装库,支持通过C++和Python API快速部署Onnx模型。依赖CUDA、CUDNN和TensorRT,兼容多个版本。项目已停止维护,建议使用TensorRT的Python API或trtexec/polygraphy工具。更多信息请参考项目Wiki。
WebGPT - 基于WebGPU的Transformer模型实现与性能分析
GPUGithubJavaScriptWebGPTWebGPU开源项目模型
WebGPT项目是一款基于WebGPU的Transformer模型应用,使用纯JavaScript和HTML实现。该项目不仅用于技术演示,同时也作为教育资源,支持在主流浏览器中运行,并能管理最多500M参数的模型。主要优化在Chrome v113和Edge Canary等浏览器上,通过WebGPU技术提高运行效率,适合用于学习和研究深度学习模型。
dlprimitives - 开源跨平台深度学习与推理工具库
GPUGithubONNXOpenCL开源项目深度学习跨平台
DLPrimitives是一个开源项目,旨在提供跨平台的OpenCL深度学习和推理工具。该项目创建了支持多种GPU架构的深度学习原语库和高效推理库。DLPrimitives的目标包括开发简约的深度学习框架,并与PyTorch、TensorFlow等主流框架集成,使OpenCL API在深度学习领域得到广泛应用。目前,DLPrimitives已支持多种神经网络模型,并在AMD、Intel、NVIDIA等多种GPU上进行了测试。
flash-attention-minimal - 简化Flash Attention的CUDA和PyTorch最小化实现
CUDAFlash AttentionGPU加速GithubPyTorch开源项目注意力机制
flash-attention-minimal是一个开源项目,使用CUDA和PyTorch对Flash Attention进行最小化实现。项目仅用约100行代码完成前向传播,遵循原始论文符号表示,为CUDA初学者提供简明教程。通过与手动注意力机制的性能对比,展示了显著的速度提升。尽管目前存在一些限制,如缺少反向传播和固定块大小,但该项目为理解Flash Attention核心概念提供了有价值的参考资料。
easy-tensorflow - TensorFlow教程与简化代码示例
Easy-TensorFlowGithubPythonTensorFlow开源项目教程深度学习
Easy-TensorFlow提供详尽的教程和简化的代码实现,旨在简化学习路径。项目涵盖从基础到高级的教程,每个步骤都有全面解释和源代码示例。它强调低层和高层网络训练接口、Tensorboard可视化工具、多GPU支持等特性。无论是新手还是有经验的开发者,都可以通过这些教程更加高效地掌握TensorFlow。
taichi.js - JavaScript GPU加速框架 实现大规模并行计算
GPU计算GithubJavascript框架WebGPUtaichi.js并行计算开源项目
taichi.js是一个为JavaScript开发的现代GPU计算框架。它将JavaScript函数转换为WebGPU计算着色器,实现大规模并行化。作为Python库Taichi的JavaScript版本,taichi.js具备交互式代码编辑器功能,支持代码的编写、编译和运行。该框架适用于分形图形生成等复杂计算任务,通过WebGPU技术提供高效的GPU计算能力。taichi.js为Web开发者提供了便捷的GPU加速计算解决方案。
how-to-optim-algorithm-in-cuda - 记录如何基于 cuda 优化一些常见的算法
CUDAGithubOneFlowPyTorch开源项目深度学习算法优化
本项目详尽介绍了基于CUDA的算法优化方法,涉及从基本元素操作到高级并行处理,包括多个CUDA示例和性能评测。此外,配合专业课程及学习笔记,适用于各层次对CUDA感兴趣的人士。项目还整合了多种教程和代码示例,助力快速学习和应用CUDA优化技术。
tvm - 适用于 CPU、GPU 和专用加速器的开放式深度学习编译器堆栈
Apache TVMApache-2.0Github开源项目深度学习硬件后端编译器
Apache TVM为深度学习提供高效编译支持,优化执行效率,适合用于学术与工业研究领域,填补了框架与后端之间的技术差距。
detect-gpu - GPU性能检测与分级优化工具
GPU检测GithubWebGL图形渲染帧率开源项目性能分级
detect-gpu是一个基于3D渲染基准测试的GPU性能分级工具。它通过分析帧率将GPU划分为不同级别,为开发者提供图形密集型应用的性能优化参考。该工具支持移动和桌面设备,兼容所有支持WebGL的浏览器,包括IE 11。detect-gpu提供详细API,方便开发者根据GPU性能级别调整应用设置,有助于提升图形应用的整体性能和用户体验。
picoGPT - 极简风格的GPT-2实现版本
GPT-2GithubNumPypicoGPT代码实现开源项目模型生成
picoGPT是一个极简风格的GPT-2实现版本,采用NumPy全面编写,前向传播过程在短短40行代码中展开。它虽然运行缓慢,不支持多重训练或高级的采样方法,但其独特的简化设计提供了一种有趣的学习与试验环境,极适合AI和机器学习领域的爱好者及开发者。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号