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

Découvrez les meilleurs dépôts open-source grâce à notre recherche par IA.

ExplorerRecherches sélectionnéesAlternatives open sourceLogiciels auto-hébergésBlogPlan du site
ProjetServeur MCPÀ proposNotre méthodologiePresse
Mentions légalesConfidentialitéConditions d'utilisation
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

2 dépôts

Awesome GitHub RepositoriesHardware Resource Profilers

Tools that collect comprehensive CPU, GPU, and memory performance data during execution.

Distinct from GPU Performance Profilers: Combines CPU and GPU profiling into a unified operation view, whereas the sibling focuses only on GPU throughput

Explore 2 awesome GitHub repositories matching testing & quality assurance · Hardware Resource Profilers. Refine with filters or upvote what's useful.

Awesome Hardware Resource Profilers GitHub Repositories

Trouvez les meilleurs dépôts grâce à l'IA.Nous recherchons les dépôts les plus pertinents grâce à l'IA.
  • vladmandic/sdnextAvatar de vladmandic

    vladmandic/sdnext

    7,139Voir sur GitHub↗

    SD.Next is an all-in-one web interface and multi-backend inference engine for generating, editing, and processing images and videos using diffusion models. It functions as a comprehensive tool for diffusion model management and an automated image processing pipeline for bulk operations. The project is distinguished by its hardware-backend abstraction layer, which provides automatic detection and acceleration for NVIDIA CUDA, AMD ROCm, Intel OpenVINO, and DirectML. It features a headless generative API and a programmatic command interface, allowing users to trigger tasks via REST API or CLI wi

    Collects detailed CPU, GPU, and memory profiling data to identify performance bottlenecks during generation tasks.

    Pythonai-artcaptiondiffusers
    Voir sur GitHub↗7,139
  • deepops-ai/deepopsAvatar de deepops-ai

    deepops-ai/deepops

    3,965Voir sur GitHub↗

    DeepOps est une plateforme d'observabilité full-stack et un outil de monitoring de performance applicative. Il s'agit d'une suite d'observabilité de services distribués conçue pour suivre les temps de réponse, l'utilisation des ressources et l'état de santé des services à travers diverses couches d'infrastructure. La plateforme fonctionne comme un agrégateur de télémétrie cross-stack, unifiant les métriques et les logs dans un flux de données unique. Elle intègre un système de détection d'anomalies heuristique qui analyse les bases de référence de performance pour identifier les valeurs aberrantes statistiques et prédire les pannes opérationnelles. Le système couvre un large éventail de capacités de monitoring, notamment le suivi de latence en temps réel, la corrélation de traces distribuées et le profilage de ressources multi-couches. Il utilise une indexation de données multidimensionnelle pour filtrer et analyser les métriques système à travers des stacks technologiques complexes.

    Monitors hardware and software consumption to correlate resource exhaustion with application performance drops.

    TypeScriptapmjaegerobservability
    Voir sur GitHub↗3,965
  1. Home
  2. Testing & Quality Assurance
  3. Performance Testing and Analysis
  4. Performance Profiling
  5. Hardware Resource Profilers

Explorer les sous-tags

  • Resource Exhaustion ProfilersTools that correlate hardware and software consumption patterns specifically to detect resource exhaustion. **Distinct from Hardware Resource Profilers:** Focuses on the correlation between consumption patterns and performance drops rather than just collecting hardware data.