Awesome GitHub RepositoriesGPU Performance Profilers

Faceswap is a comprehensive framework for automated media manipulation and neural face synthesis. It provides a modular pipeline that manages the entire lifecycle of facial feature extraction, deep learning model training, and image conversion. By coordinating complex computer vision workflows, the system enables users to map facial identities between source and destination datasets while maintaining structural alignment and lighting consistency across video frames. The project distinguishes itself through a highly extensible plugin-based architecture that handles hardware-accelerated process

nvtop هي لوحة معلومات تعتمد على الطرفية تُستخدم لمراقبة الأداء واستخدام الذاكرة ودرجة حرارة معالجات الرسومات المتعددة ومسرعات الأجهزة. تعمل كأداة إدارة مركزية لتتبع صحة وحمل الحوسبة لعدة أجهزة عبر نظام واحد. تتميز الأداة بربط معرفات عمليات النظام باستهلاك موارد الأجهزة، مما يسمح للمستخدمين بتحديد تطبيقات معينة تستهلك موارد GPU. تستخدم طبقة تجريد محايدة للبائع لدعم الأجهزة من مصنعين مختلفين داخل واجهة واحدة. يوفر البرنامج مقاييس أداء في الوقت الفعلي ونسب الموارد لكل عملية باستخدام واجهة نصية. يمكن للمستخدمين إدارة تخطيطات الواجهة وحفظ تفضيلات العرض عبر ملف تكوين محلي للحفاظ على الإعدادات عبر الجلسات.

jetson-inference is a set of libraries and tools for executing optimized deep learning models on embedded GPU hardware. Its primary purpose is to enable real-time computer vision and AI inference at the edge with low latency and high throughput. The project distinguishes itself through high-performance streaming analytics and the ability to execute concurrent AI pipelines on auto-grade silicon. It provides specialized support for multi-sensor stream processing, utilizing zero-copy data transport to load camera frames directly into GPU memory. The codebase covers a broad surface of capabiliti

This project is a comprehensive collection of educational examples and reference implementations for building vision and language models using PyTorch. It serves as a deep learning tutorial covering the end-to-end process of developing neural networks, from initial architecture definition to final production deployment. The repository provides detailed guides on implementing a wide range of domain-specific models, including convolutional neural networks for object detection and segmentation, as well as transformer and recurrent architectures for natural language processing. It emphasizes gene

capa is a binary capability scanner that identifies high-level behaviors and actions an executable can perform, such as network communication or file manipulation. It functions as a malware behavior analysis tool and a MITRE ATT&CK mapping framework, scanning PE, ELF, .NET, and shellcode files through both static analysis and dynamic sandbox report processing. The tool distinguishes itself through a YAML-based detection rule engine that defines detection logic in human-readable files, with conditions expressed as feature combinations and logical operators. It integrates with IDA Pro, Ghidra,

btrace هي أداة تتبع ديناميكية ومحلل أداء لـ JVM تُستخدم لحقن نصوص برمجية آمنة للقياس في جهاز Java الافتراضي قيد التشغيل دون الحاجة إلى إعادة تشغيل العملية. تعمل كإطار عمل لوكيل Java وخادم بروتوكول سياق النموذج (Model Context Protocol)، مما يعرض عمليات تشخيص JVM وأدوات التتبع لنماذج اللغات الكبيرة ومساعدي الذكاء الاصطناعي. يتميز المشروع بتمكين حقن الكود في الوقت الفعلي والقياس على مستوى البايت كود عبر بروتوكول ثنائي آمن. ويضمن استقرار الإنتاج من خلال محرك تحليل أمان ثابت يحظر أنماط الكود غير المستقرة، مثل الحلقات والتخصيصات، أثناء مرحلة تجميع النص البرمجي. يغطي النظام مجموعة واسعة من قدرات المراقبة، بما في ذلك تتبع تنفيذ الأساليب، وتتبع تخصيص الكائنات، ومراقبة الوصول إلى الحقول. كما يوفر تحليل الأداء عبر مقاييس التأخير وأخذ عينات بيانات التنفيذ، ويمكنه إصدار أحداث Java Flight Recorder مخصصة للتحليل الأصلي. يدعم الوكيل استراتيجيات نشر مرنة، بما في ذلك التمهيد عند بدء التشغيل أو الإرفاق بالعمليات الحية في البيئات الحاوية باستخدام حزم JAR الكبيرة.

Perfetto is a platform for system-level performance tracing and analysis on Linux and Android. It combines a high-throughput trace recorder, a SQL-based query engine, and a browser-based visualizer into a single toolchain. The platform covers CPU scheduling and call-stack profiling, native and Java heap memory allocation tracking, GPU and graphics events, and system-wide counters such as CPU frequency and power consumption. The architecture decouples trace recording from offline analysis, using a compact protobuf format for event encoding and columnar storage for efficient SQL queries. The we

regl is a declarative WebGL library that manages graphics state and GPU resources through functional commands instead of manual binding and state tracking. It provides a command-based drawing abstraction where shaders, attributes, and render state are encapsulated into reusable, compiled functions that can be executed efficiently. What sets regl apart is its scoped state inheritance system, which allows nested drawing commands to inherit and override render state from parent scopes for organized rendering. The library automatically recovers from GPU context loss by restoring buffer and textur