#edge-ai Repositories
Entdecke 84 aktive Open-Source-GitHub-Repositories, die mit #edge-ai getaggt sind und insgesamt 340,999 Sterne gesammelt haben (durchschnittlich 4,059 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist exo-explore/exo mit 48,516 Sternen.
Insgesamt 84 Repositories
High-Performance-Server für NATS.io, das cloud- und edge-native Messaging-System.
Open-Source-TTS-Modell auf dem neuesten Stand der Technik, das auf einer CPU läuft 😻
Agentische, Sprach- und Bildverarbeitungsintelligenz mit weniger als 50 MB für Endgeräte.
Gerätenative Foundation-Modelle: 145B auf einem Laptop, 35B auf einem Smartphone. Latentes MoE, per SSD gestreamte Gewichte und ein Router, der die Auslastung einen Schritt im Voraus vorhersagt. Mac, iPhone, Android, Windows.
PyTorch-Implementierung von YOLOv3, YOLOv3-SPP und YOLOv3-tiny für Echtzeit-Objekterkennung mit Training, Validierung, Inferenz und Export in verschiedene Formate.
Einfach zu bedienendes Gerät zum Verbinden von "alten" Messeinheiten (Wasser, Strom, Gas, ...) mit der digitalen Welt
LiteRT-LM ist das produktionsreife, leistungsstarke Open-Source-Inferenz-Framework von Google für die Bereitstellung großer Sprachmodelle auf Edge-Geräten.
Ein menschenzentrierter, ressourcenbewusster Android-Knoten für Edge Computing und föderiertes Lernen. Er koordiniert verteilte Intelligenz durch datenschutzorientierte Lokalisierung und einen rücksichtsvollen Umgang mit der Hardware.
Eine All-in-One, reine C++-Inferenz-Engine für Audiomodelle, angetrieben von ggml. Unterstützt TTS, STT, VAD, Sprachkonvertierung, Musikgenerierung und mehr mit hochoptimierter Leistung. Keine Python-Abhängigkeit.
FEDML – Die einheitliche und skalierbare ML-Bibliothek für groß angelegtes verteiltes Training, Model Serving und Federated Learning. FEDML Launch, ein Cross-Cloud-Scheduler, ermöglicht ferner die Ausführung beliebiger KI-Jobs in jeder GPU-Cloud oder jedem On-Premise-Cluster. Auf dieser Bibliothek aufbauend, ist TensorOpera AI (https://TensorOpera.ai) Ihre generative KI-Plattform im großen Maßstab.
VILA ist eine Familie hochmoderner Vision-Language-Models (VLMs) für vielfältige multimodale KI-Aufgaben im Edge-, Rechenzentrums- und Cloud-Bereich.
[MLSys 2024 Best Paper Award] AWQ: Aktivierungsabhängige Gewichtungsquantisierung für LLM-Kompression und -Beschleunigung
Eine Deep-Learning-Bibliothek für die Erforschung des Videoverständnisses.
Das Schweizer Taschenmesser der Offline-KI. Chatten, sehen, sprechen und Bilder generieren auf Ihrem Telefon oder Mac – GGUF-LLMs, Vision, Whisper-Spracherkennung, Stable Diffusion, Tool-Calling und lokale Netzwerkserver. Läuft auf Ihrer CPU, GPU oder NPU. Kein Konto, kein API-Schlüssel, keine Daten verlassen Ihr Gerät.
Ein Machine-Learning-Beschleunigerkern, der für energieeffiziente KI am Edge entwickelt wurde.
Echtzeit‑AI‑Assistent für Meta Ray‑Ban Smart‑Gläser – Sprach‑ + Bild‑ + agentische Aktionen über Gemini Live und OpenClaw
Produktionsreife C++-Edge-KI-Engine für Videoanalysen und geräteinterne VLMs auf Sophon, Rockchip RKNN und x86, mit visueller Orchestrierung, Echtzeit-OSD, Ereignissen und reproduzierbaren Benchmarks.
Vitis AI ist der Entwicklungstapel von Xilinx für AI-Inferenz auf Xilinx-Hardwareplattformen, einschließlich Edge-Geräten und Alveo-Karten.
Dieser Kurs soll Anfänger durch die spannende Welt der Edge AI führen und behandelt grundlegende Konzepte, beliebte Modelle, Inferenztechniken, gerätespezifische Anwendungen, Modelloptimierung und die Entwicklung intelligenter Edge AI-Agenten.
Dieses Repository enthält die offizielle Implementierung der Forschungsarbeiten "MobileCLIP" CVPR 2024 und "MobileCLIP2" TMLR August 2025
Der einfachste und schnellste Weg, angepasste und fein abgestimmte LLMs lokal oder am Edge auszuführen
Ein Tutorial, das zeigt, wie man TensorFlow Lite-Objekterkennungs-Modelle auf Android-Geräten, dem Raspberry Pi und mehr trainiert, konvertiert und ausführt!
Anleitungen zur Verwendung der Echtzeit-API auf Mikrocontrollern und eingebetteten Plattformen
Die ESP-BOX ist eine KIoT-Entwicklungsplattform der neuen Generation, die von Espressif Systems veröffentlicht wurde.
SQLite-Vector ist eine plattformübergreifende, hocheffiziente SQLite-Erweiterung, die Vektorsuchfunktionen in Ihre eingebettete Datenbank bringt.
Ein Leseleitfaden zur CPU-Leistungsoptimierung – von einer einzelnen Instruktion bis zur Inferenz in der Produktion. Ausschließlich Primärquellen, mit einem ausführbaren Benchmark für jeden Abschnitt.
Cross‑Plattform-Produktionsbereit C++-Inference-Engine für YOLO‑Modelle (v5‑v12, YOLO26). Einheitliche API für Erkennung, Segmentierung, Pose‑Schätzung, OBB und Klassifizierung. Basierend auf ONNX Runtime und OpenCV. Optimiert für CPU/GPU mit Quantisierungsunterstützung.
Biodiversitäts-Hub von Microsoft AI for Good Lab: Projektkatalog, Dokumentation und Navigation für KI im Naturschutz, SPARROW und MegaDetector.
Die Fähigkeit maximieren, verschiedene LLMs auf möglichst kleinen Geräten auszuführen
Häufig gestellte Fragen
Welches ist das beliebteste #edge-ai-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#edge-ai-Projekt auf GitHub ist exo-explore/exo mit 48,516 Sternen. Führen Sie Frontier AI lokal aus.
Welche Programmiersprachen werden in #edge-ai-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #edge-ai-Projekten auf GitHub sind Python, C++, C, Jupyter Notebook die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #edge-ai-Repositories berechnet?
Wir verfolgen 84 aktive Open-Source-Repositories, die mit #edge-ai getaggt sind (500+ Sterne), mit insgesamt 340,999 Sternen und durchschnittlich 4,059 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.