ComfyUI ist eine hochgradig modulare, knotenbasierte (Node-based) grafische Benutzeroberfläche (GUI) für stabile Diffusionsmodelle (Stable Diffusion, SDXL, Flux) und generative KI-Modelle. Im Gegensatz zu klassischen, flachen Oberflächen arbeitet ComfyUI nach dem Prinzip eines visuellen Datenfluss-Graphen. Benutzer verknüpfen einzelne Blöcke (Nodes) für Modell-Lader, Prompts, Sampler und VAE-Decoder flexibel per Drag-and-Drop.
Klick für mehr ...
CUDA (Compute Unified Device Architecture) ist eine proprietäre, von NVIDIA entwickelte Parallel-Computing-Plattform und Programmierschnittstelle (API). Sie ermöglicht es Software-Entwicklern, die gewaltige Rechenleistung von NVIDIA-Grafikkarten (GPUs) für allgemeine, hochparallele mathematische Berechnungen (GPGPU) nutzbar zu machen. CUDA bildet das unangefochtene weltweite Fundament für künstliche Intelligenz, Deep Learning (via cuDNN und Frameworks wie PyTorch) sowie wissenschaftliche Simulationen und 3D-Rendering.
Klick für mehr ...
ROCm (Radeon Open Compute) ist die offizielle, quelloffene Open-Source-Plattform von AMD für High-Performance-Computing (HPC), künstliche Intelligenz (KI/AI) und GPU-beschleunigtes Rechnen. Als direktes Gegenstück zu NVIDIAs proprietärer CUDA-Technologie bietet ROCm eine vollständige Infrastruktur aus Kernel-Treibern (AMDKFD), Compilern (HIP) und mathematischen Bibliotheken (MIOpen, rocBLAS). Es ermöglicht die native Ausführung und Beschleunigung von großen Sprachmodellen (LLMs via PyTorch/Ollama) sowie komplexen Render-Workflows direkt auf AMD-Grafikkarten.
Klick für mehr ...
Ollama ist ein hochentwickeltes, schlankes Open-Source-Framework für Linux, macOS und Windows, das es ermöglicht, große Sprachmodelle (LLMs) mit einem einzigen Befehl lokal, effizient und komplett offline auf der eigenen Hardware auszuführen.
Klick für mehr ...
Ein Large Language Model (LLM, dt. „Großes Sprachmodell“) ist ein künstliches neuronales Netzwerk, das auf der Transformer-Architektur basiert und darauf trainiert wurde, menschliche Sprache zu verstehen, zu generieren und zu verarbeiten. Durch das Training mit gigantischen Textmengen auf massiven GPU-Clustern erlernen LLMs statistische Wahrscheinlichkeiten von Wortfolgen. Dadurch sind sie in der Lage, Programmcode zu schreiben, Texte zu analysieren und komplexe logische Workflows auszuführen.
Klick für mehr ...
