GPU Finder是一个网站，帮助客户发现来自全球公共云提供商的可用GPU实例。它提供了不同云提供商提供的各种GPU、GPU服务器和GPU计算平台的信息。
Mystic Turbo Registry 是我们定制的 Docker 注册表和 containerd 适配器，能够将机器学习模型加载速度提高至 11.4 倍，冷启动时间减少多达 90%。
Denvr AI Cloud是一个高性能的云基础设施提供商，专门为人工智能、机器学习和高性能计算等计算密集型应用而设计。它提供多种服务，包括Denvr AI Cloud、Denvr VM（虚拟机即服务）和Denvr Metal（裸金属即服务），以满足不同用户的需求。用户可以通过申请免费试用来开始使用，利用其高性能的云基础设施，开发者和数据科学家可以即时访问最佳GPU和一键式应用包，支持主要的AI/ML框架和工具。同时也支持定制化的容器化应用包，提升效率。平台还提供自助服务、透明定价和专家支持，以增强用户体验。
使用C++以及CUDA加速神经网络样例，主要实现了矩阵加法和矩阵乘法，提供高效的计算能力，适用于深度学习中的高性能计算需求。
MoE架构能在分布式系统中使用，旨在显著降低每次调用的成本。
taichi.js是一个现代化的JavaScript GPU计算框架，旨在提供高性能的计算能力，使开发者能够轻松地进行图形渲染、物理模拟、机器学习任务等。它支持多种数据类型，拥有易于使用的API，且具备跨平台兼容性，适用于多种应用场景。
旨在开发支持大规模并行训练的机器学习天气和气候模型的PyTorch框架，Makani 提供高效的计算资源利用，帮助研究人员进行气候变化研究和天气预测。
LongRoPE项目旨在将大型语言模型的上下文窗口扩展至超过200万Tokens，显著提升长文本处理能力，同时保持原始短上下文窗口的性能。它通过引入有效的搜索识别和位置插值，以及采用渐进扩展策略，在256k训练长度内仅需1k微调步骤，从而实现高效的模型训练与优化。
Low-Rank Adaptation of Large Language Models 是微软研究员引入的一项新技术，主要用于处理大模型微调的问题，能够降低微调过程中的计算开销和内存需求。通过冻结预训练模型的权重并在每个 Transformer 块中注入可训练层，LoRA 实现了在减少训练参数数量的同时，保持微调质量与全模型微调相当，并显著提高微调速度。
Netmind Power是一个分布式平台，利用用户提供的GPU构建去中心化的计算网络，以降低机器学习模型训练的成本，提升训练效率。通过这种方式，用户可以更智能、更快速地进行模型训练，助力机器学习项目的成功。
这是一个使用Prefect、MLflow、FastAPI、Prometheus/Grafana和Streamlit构建的MLOps平台，旨在简化机器学习工作流的管理与监控。
Groq是一个专注于加速AI推理的领先平台，通过其独特的LPU™技术，提供卓越的性能，适用于需要快速数据处理和实时决策的应用场景。Groq能够提高AI操作的速度和效率，特别适合各种行业使用。
该项目专注于对独立成分进行对齐，以改善多任务学习的效果。通过利用独立成分分析技术，提升多任务学习场景中的性能，适用于多种机器学习任务。
Taichi是一种嵌入在Python中的领域特定语言，旨在加速Python代码执行，使其运行速度接近C++甚至CUDA，提供高性能的计算能力，同时保持Python的灵活性和简洁性。它支持多种硬件平台，包括CPU和GPU，并内置自动微分功能，具有强大的并行计算能力，适合各类高性能计算任务。
MATLAB是工程师和科学家用于多种应用的全面编程和数值计算平台，适用于数据分析、算法开发和模型创建，特别是在人工智能领域。
DeepSeek-R1-Sistill是量化版本的音频处理工具，旨在适应各种计算环境，能够高效地进行声音处理及分析。
Intel Extension for Transformers 是一个开源项目，旨在使客户端 CPU 上的大型语言模型（LLM）微调成为可能，特别是在没有 GPU 的情况下。它支持在 CPU 上进行 QLoRA 微调，适用于笔记本电脑环境，并通过优化的性能提升模型训练效率。该项目与 HuggingFace Transformers 兼容，支持 4 位推理，并利用 Intel 神经压缩器提供丰富的模型压缩技术，如量化、剪枝和蒸馏，显著提高了英特尔平台上的推理效率。此外，它还支持自动化的仅限权重的 INT4 量化流程，兼容多个流行的大语言模型，如 Llama2、Llama 和 GPT-NeoX。
OpenDelta是一个开源框架，旨在实现高效的参数调优（Delta Tuning），支持多种机器学习模型和任务，具有易于集成和扩展的特点，能够优化计算资源的使用。
