tt-metal

用 Tenstorrent 硬件跑 AI 模型，底层算子与内核编程一手掌控

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署图像生成 🍴 复刻 11 🐛 待处理 7531 👀 关注 21

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 118

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，Apache-2.0许可证，可免费使用和部署。

项目预览

项目数据

分类图像生成

开发团队tenstorrent

官网地址https://docs.tenstorrent.com/tt-metal/latest/ttnn

GitHubhttps://github.com/tenstorrent/tt-metal

定价模式🏷️完全免费

价格说明开源项目，Apache-2.0许可证，可免费使用和部署。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型accelerator,ai,cuda,deepseek,gpu,img-gen,kernels,llama,llm,metal,scale-out,stable-diffusion,tenstorrent,video-gen

GitHub 星标★ 118

上线时间2023-02-13 00:00:00

代码更新2026-11-09

仓库体积2.42 GB

本站数据更新2026-11-09

维护状态活跃

收录时间2026-08-09

浏览次数8

项目介绍

tt-metal 是 Tenstorrent 公司推出的底层算子库与内核编程模型，包含 TT-NN 算子库和 TT-Metalium 低层内核编程接口。它旨在为 Tenstorrent 的 AI 加速器硬件提供高性能的编程抽象，解决开发者难以直接利用该硬件进行深度学习计算的问题。核心能力包括：提供丰富的神经网络算子（如矩阵乘、卷积、注意力等），支持 Stable Diffusion、LLM（如 Llama、DeepSeek）等主流模型的推理与训练，并具备多芯片扩展（scale-out）能力。通过 TT-Metalium，开发者可以编写自定义内核，精细控制数据流与计算，从而榨取硬件性能。项目采用 C++ 实现，面向高性能计算场景，是构建 AI 应用与底层硬件之间的关键桥梁。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 118

技术标签

ai cuda deepseek gpu llama

使用教程

⚠ 本教程由 AI 依据该项目 README 整理；原始文档不完整，部分步骤为通用流程推断，实际安装请以项目官方文档为准。

难度：高级约 30 分钟部署方式：本地安装 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Tenstorrent AI 加速器硬件（README 链接到 Hardware 页面，如 Blackhole）
Python 与 C++ 开发环境（TT-NN 是 Python & C++ 神经网络算子库）
能访问 GitHub 与 Tenstorrent 官方文档站的网络环境

安装与启动步骤

1克隆项目仓库

从 GitHub 拉取 tt-metal 源码到本地，网络较慢时可加代理或使用镜像。
```
git clone https://github.com/tenstorrent/tt-metal.git
```
2进入项目目录

切换到克隆下来的仓库根目录，后续操作都在此目录进行。
```
cd tt-metal
```
3查看安装文档

README 顶部 Install 链接指向仓库内 INSTALLING.md，具体依赖安装与编译命令以该文件为准。
```
cat INSTALLING.md
```
4跑通简单内核示例

按 README 指引打开官方 simple kernels 示例文档，按示例验证算子与内核可正常调用。