awesome-repositories.com
Blog
MCP
awesome-repositories.com

Entdecke die besten Open-Source-Repositories mit KI-gestützter Suche.

EntdeckenKuratierte SuchenOpen-Source-AlternativenSelf-hosted SoftwareBlogSitemap
ProjektMCP-ServerÜber unsRanking-MethodikPresse
RechtlichesDatenschutzAGB
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

3 Repos

Awesome GitHub RepositoriesMulti-Dimensional Parallelism

Combining data, model, and tensor parallelism strategies to distribute workloads across large clusters.

Distinct from Tensor Parallelism: Covers the combination of multiple parallelism dimensions, whereas tensor parallelism is just one dimension.

Explore 3 awesome GitHub repositories matching artificial intelligence & ml · Multi-Dimensional Parallelism. Refine with filters or upvote what's useful.

Awesome Multi-Dimensional Parallelism GitHub Repositories

Finde die besten Repos mit KI.Wir suchen mit KI nach den am besten passenden Repositories.
  • infrasys-ai/aisystemAvatar von Infrasys-AI

    Infrasys-AI/AISystem

    17,017Auf GitHub ansehen↗

    AISystem is a comprehensive AI full-stack infrastructure project covering the entire pipeline from AI chip architecture to high-level training frameworks. It encompasses the development of AI compiler frameworks, inference engines, and distributed training orchestrators designed to coordinate workloads across a heterogeneous compute stack of CPUs, GPUs, and NPUs. The project focuses on the deep integration of software and hardware, employing software-hardware co-design to align tensor layouts with physical memory structures. It provides specialized capabilities for accelerating Transformer mo

    Splits tensors and datasets across clusters using combined data and model parallelism coordinated via collective communication.

    Jupyter Notebookaiaiinfraaisys
    Auf GitHub ansehen↗17,017
  • tensorflow/tpuAvatar von tensorflow

    tensorflow/tpu

    5,281Auf GitHub ansehen↗

    This repository provides a collection of reference implementations, toolkits, and orchestration tools for training and deploying large-scale AI models on Cloud TPU hardware. It serves as a framework for managing the lifecycle of accelerator clusters, including hardware orchestration and the provisioning of high-performance compute infrastructure for machine learning workloads. The project specifically enables the pre-training of foundation models, large language models, and complex reasoning architectures through distributed training toolkits and multi-host scaling recipes. It further provide

    Defines the physical arrangement of chips in grids to optimize data flow and interconnects for massive parallelism.

    Jupyter Notebook
    Auf GitHub ansehen↗5,281
  • quantumlib/cirqAvatar von quantumlib

    quantumlib/Cirq

    4,990Auf GitHub ansehen↗

    Cirq ist ein Python-Framework für Quantencomputing, das zum Entwerfen, Simulieren und Ausführen von Quantenschaltkreisen auf Noisy Intermediate-Scale Quantum (NISQ)-Hardware verwendet wird. Es dient als Simulator für Quantenschaltkreise und Rauschmodellierer sowie als Werkzeug für die Implementierung von Quantenalgorithmen. Das Framework bietet eine spezialisierte Schnittstelle für NISQ-Hardware, die es Benutzern ermöglicht, logische Quantenschaltkreise auf physische Gerätetopologien abzubilden und gleichzeitig Hardware-Konnektivität und Gate-Beschränkungen zu validieren. Es zeichnet sich durch integrierte Rauschmodellierung aus, bei der Depolarisierungs- und Dämpfungskanäle angewendet werden, um die Dekohärenz und Fehler in realen Quantenprozessoren nachzuahmen. Das Projekt deckt ein breites Spektrum an Funktionen ab, einschließlich Quantenschaltkreis-Design, Hardware-Integration und Zustandssimulation. Es enthält Tools für Gate-Dekomposition, Hardware-Topologie-Mapping und die Ausführung grundlegender Quantenprozeduren wie Fourier-Transformationen und unstrukturierte Datensuche. Zusätzlich bietet es analytische Dienstprogramme für die Berechnung molekularer Grundzustände und das Benchmarking der Hardware-Fidelity.

    Translates quantum circuits to generic device topologies to ensure compatibility with physical qubit layouts.

    Pythonalgorithmsapicirq
    Auf GitHub ansehen↗4,990
  1. Home
  2. Artificial Intelligence & ML
  3. Tensor Parallelism
  4. Multi-Dimensional Parallelism

Unter-Tags erkunden

  • Physical Topology Mapping1 Sub-TagDefining the physical grid arrangement of accelerator chips to optimize interconnect data flow. **Distinct from Multi-Dimensional Parallelism:** Distinct from Multi-Dimensional Parallelism: focuses on the physical hardware layout rather than the logical distribution of weights/batches.