ThunderKittens

高效瓦片原语框架助力深度学习内核开发

ThunderKittens CUDA GPU编程深度学习矩阵运算 Github 开源项目

ThunderKittens是一个用于开发高性能CUDA深度学习内核的框架。它基于现代GPU架构设计,通过操作16x16及以上的数据瓦片实现高效计算。框架支持张量核心、共享内存优化和异步数据传输等特性,充分利用GPU性能。ThunderKittens以简洁、可扩展和高速为设计原则,适用于各类深度学习算法的高效实现。

Github

介绍相关项目

thundersvm - GPU加速的开源支持向量机库

GPU加速GithubThunderSVM并行计算开源项目支持向量机机器学习

ThunderSVM是一个开源的支持向量机库，通过GPU和多核CPU加速计算，显著提高SVM训练效率。该库实现了LibSVM的全部功能，支持一类SVM、SVC、SVR和概率SVM等多种模型。ThunderSVM提供Python、R、Matlab和Ruby等多种编程语言接口，跨平台兼容Linux、Windows和MacOS。采用与LibSVM一致的命令行参数，便于用户快速上手。作为高效的SVM实现，ThunderSVM为数据科学家和机器学习研究者提供了强大的工具支持。在某些大规模数据集上，ThunderSVM相比传统SVM实现可实现10-100倍的加速，已被多个知名机器学习项目采用。

tiny-cuda-nn - 专注于快速训练和查询神经网络的开源框架

C++编程CUDAGPUGithubTiny CUDA Neural Networks开源项目深度学习

Tiny CUDA Neural Networks是一个紧凑、高效的开源框架，专注于快速训练和查询神经网络。它包含优化的多层感知器（MLP）和多分辨率哈希编码，并支持多种输入编码、损失函数和优化器。适用于NVIDIA GPU，通过C++/CUDA API和PyTorch扩展，助力高性能计算和深度学习项目。

cutlass-kernels - 针对大语言模型优化的高效CUDA库

CUDACUTLASSFlashAttention-3GPU加速Github开源项目深度学习

CUTLASS Kernels是一个针对大语言模型(LLM)优化的CUDA库，提供了FlashAttention-3的高效实现。该项目支持TF32模式，显著提升性能，主要用于加速LLM的训练和推理过程。开发者可以轻松集成这些核心，为构建高性能AI应用提供强大的基础支持。CUTLASS Kernels需要配合NVIDIA的CUTLASS项目使用，为LLM开发提供了关键的性能优化工具。

lightning-thunder - PyTorch模型优化编译器显著提升训练速度

GPU加速GithubPyTorch开源项目性能优化深度学习编译器

Lightning Thunder是一款专为PyTorch设计的源到源编译器。它通过整合nvFuser、torch.compile、cuDNN等多种硬件执行器，大幅提升PyTorch程序的执行效率。支持单GPU和多GPU环境，在Llama 2 7B模型训练中实现40%的吞吐量提升。Thunder具有易用性、可理解性和可扩展性，是PyTorch开发者提升模型性能的有力工具。

keops - 大规模矩阵运算与自动微分的高效GPU加速库

GPU计算GithubKeOps开源项目核方法符号矩阵自动微分

KeOps是一个开源库,专门用于高效计算大型数组的归约运算。它集成了高效C++程序和自动微分引擎,支持Python、Matlab和R等多种编程语言。KeOps尤其适合处理核矩阵向量乘积、K近邻查询和N体问题等计算,即使在核矩阵或距离矩阵超出内存容量的情况下也能高效运行。与PyTorch GPU基准相比,KeOps在多种几何应用中能实现10-100倍的性能提升,广泛应用于核方法和几何深度学习等领域。

kitty - 快速功能丰富的跨平台开源GPU驱动终端模拟器

GPU加速Githubkitty开源软件开源项目终端模拟器跨平台

kitty是一个开源的GPU驱动终端模拟器，特点是速度快、功能丰富且支持跨平台使用。项目提供详细文档，并在GitHub和Reddit上有活跃的社区支持。kitty持续更新维护，在多个软件仓库中保持良好的打包状态，确保了稳定性和广泛的可用性。这款终端模拟器支持Unicode、真彩色显示和自定义快捷键等现代化功能。

bitsandbytes - 高效CUDA优化库支持多位量化和矩阵运算

CUDAGithubbitsandbytes优化器开源项目硬件后端量化

bitsandbytes是一个轻量级Python库，为CUDA自定义函数提供封装。该库主要提供8位优化器、矩阵乘法(LLM.int8())以及8位和4位量化功能。通过bitsandbytes.nn模块实现多位线性层，bitsandbytes.optim模块提供优化器。目前正在拓展对更多硬件后端的支持，包括Intel CPU+GPU、AMD GPU和Apple Silicon，Windows平台的支持也在开发中。

lightning-flash - 跨数据领域和任务的AI模型训练与处理解决方案

AIGithubPyTorchlightning-flash开源项目模型训练深度学习

Lightning Flash提供多任务和多数据领域的AI解决方案，用户只需三步即可完成数据加载、模型配置和微调。项目支持多种预训练模型和优化策略，简化深度学习工作流程，适用于各种数据域和任务类型。其功能包括模型预测、训练策略、优化器和调度器选择，以及自定义数据变换。Flash旨在让用户无需自行开发复杂的研究框架，即可在生产环境中应用AI模型。

mirage - 多层次张量程序超优化器提升DNN性能

CUDAGithubMirage开源项目张量代数深度神经网络超优化器

作为一款先进的张量代数超优化器，Mirage在深度神经网络(DNN)性能优化领域展现出独特优势。通过在GPU计算层次结构中实现多层次联合优化，该工具能够自动发现并生成高效的张量程序。Mirage不仅可以识别和验证复杂的优化策略，还能通过搜索等效程序空间来开发出性能卓越的自定义内核。这一技术在各类DNN应用中表现出色，如LLAMA-3-70B模型中的组查询注意力机制和低秩适配器优化，生成的CUDA内核性能显著优于传统手动优化方法。

triton - 开源高效深度学习原语编程语言与编译器

GPU编程GithubLLVMTriton开源项目深度学习编译器

Triton是一种开源编程语言和编译器，专为编写高效的自定义深度学习原语而设计。它提供了一个兼具高生产力和灵活性的开发环境，性能优于CUDA，灵活性超过其他领域特定语言。Triton支持NVIDIA和AMD GPU平台，提供完善的文档和教程。用户可通过pip轻松安装，也支持源代码构建。该项目持续更新，最新版本进行了大量性能优化和问题修复。

相关项目

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

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能，包括文生视频、动态画面和形象生成等，帮助用户快速上手，创造专业级内容。

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

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

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台，用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品，帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型，为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能，满足事务性工作的高频需求，帮助撰稿人节省精力，提高效率，优化工作与生活。

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

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。

使用协议隐私政策广告服务

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