LibSpMxV est une bibliothèque permettant d'effectuer des multiplications matricielles vectorielles épaisses (SpMxV) avec MPI. Elle ne dépend d'aucune autre bibliothèque externe et inclut des fonctions de support pour des opérations de base. La conception centrale est décrite dans deux articles techniques, qui fournissent une analyse approfondie des modèles et des métriques de partitionnement dans les calculs parallèles SpMxV.

Ce projet open source permet d'effectuer des opérations de base sur les matrices comme l'addition, la multiplication ou la transposition. Il vise à fournir un outil simple et efficace pour les étudiants, chercheurs ou développeurs ayant besoin de manipuler des matrices dans leurs calculs ou algorithmes. Les fonctionnalités incluent des opérations matricielles courantes avec une implémentation en Python.

MMX est une bibliothèque logicielle dédiée aux opérations matricielles multithreadées sur des matrices N-dimensionnelles. Elle permet d'effectuer des multiplications, transpositions, décompositions et résolutions de systèmes linéaires de manière optimisée. Conçue pour les calculs intensifs, elle améliore significativement les performances par rapport aux méthodes classiques, notamment grâce à la parallélisation des tâches.

Le projet cmake_external_openblas est une bibliothèque d'accélération de calculs numériques basée sur OpenBLAS. Elle permet d'effectuer des opérations matricielles et linéaires intensives, telles que la décomposition LU, QR ou la factorisation de Cholesky, avec une haute performance et une faible consommation de mémoire.

Le projet dtk-plugins-math fournit des fonctionnalités de calcul matriciel avancées, permettant d'effectuer des opérations telles que la somme, la soustraction et la multiplication de matrices. Ces fonctionnalités sont optimisées pour les modèles complexes, facilitant ainsi l'analyse et le traitement des données.

Fast5x5 est une bibliothèque C++ spécialisée dans les opérations d'algèbre linéaire optimisées pour les matrices de taille 5x5. Elle permet aux développeurs d'effectuer des calculs matriciels complexes de manière efficace et simplifiée, en réduisant les temps de traitement pour des applications nécessitant des manipulations intensives de matrices. Idéale pour les simulations scientifiques, le traitement d'images ou les algorithmes de machine learning.