Logo
Project Icon

ThunderKittens

高效瓦片原语框架助力深度学习内核开发

ThunderKittensCUDAGPU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。

GithubGithub文档文档
介绍相关项目
neon - 深度学习框架，兼容多硬件，实现高效模型训练
GithubIntelMKLNervananeon开源项目深度学习框架
neon是Intel推出的深度学习框架，旨在实现最佳性能，兼容多种硬件。提供全面的教程和iPython笔记本，支持卷积层、RNN、LSTM、GRU和BatchNorm等常用层。预训练模型库和示例脚本涵盖VGG、强化学习、深度残差网络等。neon v2.0.0+优化了CPU性能，集成Intel Math Kernel Library，用户可快速安装并部署在CPU、GPU或Nervana硬件上。
Savant - 构建高效实时AI流媒体应用，提升数据中心和边缘设备性能
DeepStreamGithubJetsonNvidiaSavant实时视频分析开源项目
Savant是一个基于Nvidia技术的开源框架，专用于构建高效的实时流媒体AI应用。它简化了动态推理管道的开发，并通过DeepStream技术优化数据中心和边缘设备的性能。无论是构建实时还是高负载的计算机视觉和视频分析应用，Savant都提供了灵活、可扩展且易于维护的解决方案。支持Jetson和dGPU各种型号，包含丰富的适配器和SDK，适用于各类视频源和接收端。
lightning-hydra-template - 支持多GPU和TPU等多种训练选项的深度学习模板
AI研究GithubHydraPyTorch Lightning开源项目深度学习配置管理
了解Lightning-Hydra-Template，这是一个兼具代码整洁和高性能的深度学习项目模板。它利用PyTorch Lightning和Hydra优化项目架构和实验管理，支持多GPU和TPU等多种训练选项，同时提供自动化测试和代码风格指导，帮助AI专业人员提升工作效率。此模板适用于快速试验和研发创新。
Lightning AI - 一体化AI开发平台助力从原型到部署全流程
AI工具AI开发GPU计算Lightning AIStudio云端开发
Lightning AI是由PyTorch Lightning创始团队开发的综合AI开发平台。该平台集成了代码协作、原型设计、模型训练、规模化和部署等功能，提供零配置环境和免费GPU时长。其按需付费模式和AWS集成简化了AI开发流程，提升团队效率。平台支持从简单应用到大规模模型的多种AI项目，目前服务于超过10,000家组织。
VideoProcessingFramework - GPU加速视频处理框架 提供编解码和格式转换功能
GPU加速GithubNVIDIAPyNvVideoCodecVideoProcessingFramework开源项目视频处理
VideoProcessingFramework是一个开源的视频处理框架，由C++库和Python绑定组成。它利用GPU硬件加速实现高效的视频解码、编码、转码以及色彩空间和像素格式转换。该框架支持将GPU内存中的视频帧直接导出为PyTorch张量，避免了额外的数据传输。适用于Linux和Windows平台，依赖NVIDIA驱动、CUDA和FFMPEG。目前正逐步被功能类似但API更简洁的PyNvVideoCodec库取代。
DeepLearningExamples - 优化深度学习训练和部署的最佳实践
CUDA-XDeep LearningGithubNGCNVIDIATensor Cores开源项目
提供最新的深度学习示例，使用NVIDIA CUDA-X软件栈在Volta、Turing和Ampere GPU上运行，确保最佳的可重复精度和性能。示例通过NGC容器注册表每月更新，包含最新的NVIDIA贡献和深度学习软件库，支持计算机视觉、自然语言处理、推荐系统、语音识别、文本到语音转换、图神经网络和时间序列预测模型。
chainer - Python深度学习框架，支持动态计算图和CUDA加速
CUDAChainerCuPyGithub开源项目深度学习自动微分
Chainer是一个Python深度学习框架，提供基于define-by-run方法的自动微分API（动态计算图）和面向对象的高级API，用于构建和训练神经网络。通过CuPy支持CUDA/cuDNN，实现高性能训练和推理。尽管Chainer已进入维护阶段，仅进行bug修复和维护，但其文档、教程和社区资源仍然活跃，适合研究和开发深度学习模型的用户。
unet.cu - UNet扩散模型的高性能CUDA实现
CUDAGithubUNet卷积神经网络图像生成开源项目深度学习
这个开源项目使用纯C++/CUDA实现了UNet扩散模型训练框架,支持无条件扩散。框架包含线性层、组归一化、注意力等核心算子的GPU加速实现,重点优化3x3卷积。通过多次迭代提升CUDA kernel性能,训练速度达PyTorch的40%。项目展示了深度学习框架在GPU上的高效实现过程,为相关开发提供参考。
llm.c - 纯C和CUDA实现的高效轻量级语言模型训练框架
CUDAC语言GPU训练GithubLLM开源项目
llm.c是一个使用纯C和CUDA实现的高效轻量级语言模型训练框架。该项目不依赖PyTorch或cPython等大型框架，通过简洁代码实现GPT-2和GPT-3系列模型的预训练。llm.c支持单GPU、多GPU和多节点训练，提供详细教程和实验示例。项目在保持代码可读性的同时追求高性能，适用于教育和实际应用。此外，llm.c支持多种硬件平台，并有多个编程语言的移植版本。
higgsfield - 高容错且可扩展的GPU调度与机器学习框架
GPU管理GithubHiggsfield分布式计算大模型训练开源项目深度学习
Higgsfield是一款开源、高容错、可扩展的GPU调度与机器学习框架，适用于数十亿到数万亿参数的模型（如大型语言模型）。它的主要功能包括分配计算资源、支持高效分片、启动和监控大规模神经网络训练、管理资源竞争，并通过与GitHub的集成实现持续集成。Higgsfield简化了大规模模型训练的流程，提供了多样且强大的开发工具。
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

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

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

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。

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