#caffe Repositories
Entdecke 24 aktive Open-Source-GitHub-Repositories, die mit #caffe getaggt sind und insgesamt 160,514 Sterne gesammelt haben (durchschnittlich 6,688 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist CMU-Perceptual-Computing-Lab/openpose mit 33,619 Sternen.
Insgesamt 24 Repositories
OpenPose: Echtzeit-Bibliothek zur Erkennung von Keypoints für Körper, Gesicht, Hände und Füße bei mehreren Personen
Python-Notebooks für Data Science: Deep Learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, Big Data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, Python-Grundlagen, AWS und verschiedene Befehlszeilen.
ncnn ist ein Hochleistungs-Inferenz-Framework für neuronale Netze, optimiert für mobile Plattformen
Künstliche Intelligenz Lernkarte, Zusammenstellung von fast 200 praktischen Fällen und Projekten, kostenlose Begleitbücher, Einstieg ohne Vorkenntnisse, berufliche Praxis! Enthalten: Python, Mathematik, Machine Learning, Data-Analyse, Deep Learning, Computer Vision, Natural Language Processing, PyTorch, tensorflow, machine-learning, deep-learning, data-analysis, data-mining, mathematics, data-science, artificial-intelligence, python, tensorflow, tensorflow2, caffe, keras, pytorch, algorithm, numpy, pandas, matplotlib, seaborn, nlp, cv usw. beliebte Bereiche
Hello AI World: Leitfaden zum Bereitstellen von Deep-Learning-Inferenznetzwerken und Deep-Vision-Primitiven mit TensorRT und NVIDIA Jetson.
MMdnn ist eine Sammlung von Tools, die Benutzern helfen, zwischen verschiedenen Deep-Learning-Frameworks zu interoperieren. Z. B. Modellkonvertierung und -visualisierung. Konvertieren von Modellen zwischen Caffe, Keras, MXNet, Tensorflow, CNTK, PyTorch, ONNX und CoreML.
Ein Leitfaden für absolute Anfänger zu maschinellem Lernen und Bildklassifikation mit neuronalen Netzen
Deep-Learning-Visualisierungs-Toolkit („Fly Paddle“ Deep-Learning-Visualisierungstool )
Ein Repository zur Speicherung von Modellen, die zwischen verschiedenen Frameworks umgewandelt wurden. Unterstützte Frameworks sind TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite (Float32/16/INT8), EdgeTPU, CoreML.
Gute Projekte für Hochschulabsolventen, Herbstkampagnen, Frühjahrskampagnen und Praktika! Begleitet Sie Schritt für Schritt bei der Implementierung einer Hochleistungs-Deep-Learning-Inferenzbibliothek, die das Schlussfolgern für große Modelle wie Llama2, Unet, YoloV5, Resnet usw. unterstützt. Implementieren Sie Schritt für Schritt eine Hochleistungs-Deep-Learning-Inferenzbibliothek.
Caffe-Implementierung des Google MobileNet SSD-Erkennungsnetzwerks mit vortrainierten Gewichten auf VOC0712 und mAP=0,727.
Das PPL Quantization Tool (PPQ) ist ein leistungsstarkes Offline-Tool zur Quantisierung neuronaler Netze.
Bolt ist eine Deep-Learning-Bibliothek mit hoher Leistung und heterogener Flexibilität.
Deep-Learning-Modellkonverter für PaddlePaddle. („飞桨“ Tiefenlernmodell-Konvertierungstool)
Gemeinsames Lernen von Detektions- und Identifikationsmerkmalen für die Personensuche
Fabric for Deep Learning (FfDL, ausgesprochen fiddle) ist eine Deep-Learning-Plattform, die TensorFlow, Caffe, PyTorch usw. als Service auf Kubernetes anbietet.
Häufig gestellte Fragen
Welches ist das beliebteste #caffe-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#caffe-Projekt auf GitHub ist CMU-Perceptual-Computing-Lab/openpose mit 33,619 Sternen. OpenPose: Echtzeit-Bibliothek zur Erkennung von Keypoints für Körper, Gesicht, Hände und Füße bei mehreren Personen
Welche Programmiersprachen werden in #caffe-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #caffe-Projekten auf GitHub sind Python, C++, HTML, Java die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #caffe-Repositories berechnet?
Wir verfolgen 24 aktive Open-Source-Repositories, die mit #caffe getaggt sind (500+ Sterne), mit insgesamt 160,514 Sternen und durchschnittlich 6,688 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.