deepseek-ai/DeepEP-Ascend
A high-performance communication library for machine learning training and inference on Huawei Ascend NPUs.
О проекте
Высокопроизводительная коммуникационная библиотека для обучения и инференса ML на NPU Huawei Ascend: expert-parallel all-to-all для MoE dispatch/combine, а также PP, CP/DP и Engram. Публичный API buffer совместим с NVIDIA DeepEP.
Чем пригодится
- Запустить MoE-обучение с expert-parallel dispatch/combine на кластере Ascend NPU
- Ускорить инференс MoE-модели через FP8 dispatch и deferred epilogue
- Перенести код с NVIDIA DeepEP на Ascend без смены buffer API
Пересказ README моделью DeepSeek V4.1 Flash. Может ошибаться в деталях.
Почему он в тренде
- Репозиторию 0 дней, а у него уже 104 звезды. Истории меньше двух недель, так что обычного темпа, с которым можно сравнить всплеск, у него ещё нет.
- Топ новых репозиториев за неделю: #141.
- Около 45 форков в сутки — код забирают себе.
- Среди свежих форков — заметные разработчики: @gmh5225 (1 277 подп.).
Звёзды по дням
Столбики — звёзды за день, линия — обычный темп. Красным — дни всплесков.
Цифры
- Всего звёзд
- 104
- Сегодня
- 0 · к вечеру ≈ 0
- Форков
- 5
- Issues и pull requests
- 0
- Наблюдателей
- 0
- Язык
- C++
- Создан
- 30 сентября 2026
- Последний коммит
- 30 сентября 2026
Доверие к звёздам
Рост выглядит естественно: форков и обсуждений столько, сколько бывает у живых проектов, а звёзды приходят неровно, как от людей.
Это эвристики, а не приговор: судим по поведению репозитория, а не по списку звездивших.
Где замечен
- 30 сентября 2026Топ новых репозиториев за неделю: #141
Поделиться
Бейдж для README
Вставьте в README — бейдж сам показывает свежую магнитуду и ведёт на эту страницу.
[](https://gitnova.dev/r/deepseek-ai/DeepEP-Ascend)Похожие по описанию
-
1,6
vllm-project/vllm-ascend
Аппаратный плагин для vLLM, позволяющий запускать инференс LLM на NPU Ascend (Atlas A2/A3). Нужен для развёртывания Transformer, MoE, embedding и мультимодальных моделей на оборудовании Huawei Ascend.
-
5,8
deepseek-ai/DeepGEMM-Ascend
Порт библиотеки DeepGEMM на платформу Huawei Ascend: набор GEMM-ядер (BF16, FP8, FP4, MQA logits, MegaMoE) с API, совместимым с DeepGEMM, для достижения пиковой производительности NPU.
-
1,7
microsoft/onnxruntime
Кроссплатформенный ускоритель инференса и обучения ML-моделей. Запускает модели из PyTorch, TensorFlow, scikit-learn и других через формат ONNX с оптимизацией графа и аппаратным ускорением.