#onnx Repositories
Insgesamt 130 Repositories
Verwandeln Sie jeden Computer oder jedes Edge-Gerät in ein Kommandozentrum für Ihre Computer-Vision-Projekte.
EfficientSAM: Masked Image Pretraining für effiziente Segment Anything genutzt
micronet, eine Bibliothek für Modellkompression und Deployment. Kompression: 1、Quantisierung: Quantisierungs-bewusstes Training(QAT), High-Bit(>2b)(DoReFa/Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference)、Low-Bit(≤2b)/Ternary and Binary(TWN/BNN/XNOR-Net); Post-Training-Quantisierung(PTQ), 8-Bit(tensorrt); 2、Pruning: normal、regular and group convolutional channel pruning; 3、Gruppenkonvolutionsstruktur; 4、Batch-Normalisierungs-Fusion für Quantisierung. Deployment: tensorrt, fp32/fp16/in
Robustes Echtzeit-Gesicht- und Gesichtslandmark-Tracking auf CPU mit Unity-Integration
Leichte Inferenzbibliothek für ONNX-Dateien, geschrieben in C++. Sie kann Stable Diffusion XL 1.0 auf einem RPI Zero 2 (oder in 298 MB RAM) ausführen, aber auch Mistral 7B auf Desktops und Servern. ARM, x86, WASM, RISC-V werden unterstützt. Beschleunigt durch XNNPACK. Python-, C#- und JS(WASM)-Bindings verfügbar.
Verwenden Sie AnimeGANv3, um Ihre eigenen Animationswerke zu erstellen, einschließlich der Umwandlung von Fotos oder Videos in Anime.
OCR-Modell mit 1 Million Parametern – läuft auf der CPU, ist 15-mal schneller als Tesseract und erreicht eine Genauigkeit nahe der von Modellen mit über 1 Milliarde Parametern
Automatische Entdeckung von schnellen Parallelisierungsstrategien für das verteilte Training tiefer neuronaler Netze
Das PPL Quantization Tool (PPQ) ist ein leistungsstarkes Offline-Tool zur Quantisierung neuronaler Netze.
Implementierung von Textauswahl, Zeichenauswahl, Auswahl und Tipp-Captcha-Erkennung, trainiert mit PyTorch
Ein Werkzeug zur visuellen Modifikation von ONNX-Modellen, basierend auf Netron und Flask.
MixTeX multimodales LaTeX, ZhEn und Tabellen-OCR. Es führt eine effiziente CPU-basierte Inferenz lokal offline unter Windows durch.
Universelles zweites Auge für Spieler mit Beeinträchtigungen (Universeller KI-Zielausrichter (KI-Aimbot) - ONNX/YOLOv8 - C#)
Vortrainiertes EfficientNet, EfficientNet-Lite, MixNet, MobileNetV3 / V2, MNASNet A1 und B1, FBNet, Single-Path NAS
Ein Open-Source-Projekt für Windows-Entwickler, um zu lernen, wie man KI mit lokalen Modellen und APIs zu Windows-Anwendungen hinzufügt.
Qualcomm® AI Hub Models ist unsere Sammlung hochmoderner Modelle des maschinellen Lernens, die für optimale Leistung (Latenz, Speicher usw.) optimiert und zur Bereitstellung auf Qualcomm®-Geräten bereit sind.
Ein PyTorch-Framework für Empfehlungs-Modelle, einfach zu verwenden und erweiterbar.
Framework für neuronale Netzwerkkompression für verbesserte OpenVINO™-Inferenz
Führe Laya, das quelloffene und Jev-kompatible System-1-Entscheidungsmodell, über ONNX Runtime aus Node.js / TypeScript aus
LibreYOLO ist eine unter der MIT-Lizenz lizenzierte Open-Source-Computer-Vision-Bibliothek
Ein flexibler und effizienter Deep-Neural-Network (DNN)-Compiler, der ausführbare Hochleistungsdateien aus einer DNN-Modellbeschreibung generiert.
Ein Tool zur Konvertierung von ONNX-Dateien in LiteRT/TFLite/TensorFlow, PyTorch-Nativer Code (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2) und Dynamo ONNX. Es unterstützt auch die direkte Konvertierung von LiteRT zu PyTorch.
Open-Source-Videoeditor mit lokalem Fokus, bei dem Ersteller und KI-Agenten dieselbe echte Timeline bearbeiten.
CodeProject.AI Server ist ein in sich geschlossener Dienst, den Softwareentwickler in ihre Anwendungen integrieren und mit ihnen vertreiben können, um ihre Apps mit der Leistungsfähigkeit von KI zu erweitern.
Bolt ist eine Deep-Learning-Bibliothek mit hoher Leistung und heterogener Flexibilität.
Ein CLI zur Schätzung des Speicherbedarfs für Inferenz bei Hugging Face Modellen, geschrieben in Python.
Offene multimodale Entscheidungsmodelle mit 0,8B bis 27B Parametern für Text, Bilder und Videos. Treffen Sie Entscheidungen anhand von Wahrscheinlichkeiten für eigene Kandidaten und lokalisieren Sie Objekte mit Begrenzungsrahmen, statt Text zu generieren. Kostenlose API, ONNX, GGUF, vLLM und SGLang; Fine-Tuning-Code enthalten.
Omni SenseVoice: Hochgeschwindigkeits-Spracherkennung mit Zeitstempeln für Wörter 🗣️🎯
onnx-go ermöglicht es, ein vortrainiertes neuronales Netzwerk in Go zu importieren, ohne mit einem Framework oder einer Bibliothek verknüpft zu sein.
YoloDotNet - Ein C# .NET 8.0-Projekt für Klassifizierung, Objekterkennung, OBB-Erkennung, Segmentierung und Pose-Schätzung in Bildern und Live-Videostreams.
Ein englisches Text-to-Speech-Modell mit 4,5 Millionen Parametern und zwei Stimmen, von Grund auf trainiert
Deep-Learning-Modellkonverter für PaddlePaddle. („飞桨“ Tiefenlernmodell-Konvertierungstool)