#tinyml Repositories
Entdecke 14 aktive Open-Source-GitHub-Repositories, die mit #tinyml getaggt sind und insgesamt 57,130 Sterne gesammelt haben (durchschnittlich 4,080 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist harvard-edge/cs249r_book mit 30,283 Sternen.
Insgesamt 14 Repositories
Maschinelle Lernsysteme: Grundlagen, Skalierung, agentische KI und physische KI (Bde. I–IV) • Harvard CS249r | https://mlsysbook.ai
Agentische, Sprach- und Bildverarbeitungsintelligenz mit weniger als 50 MB für Endgeräte.
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.
Z80-μLM ist ein 2-Bit-quantisiertes Sprachmodell, das klein genug ist, um auf einem 8-Bit-Z80-Prozessor ausgeführt zu werden. Trainieren Sie Konversationsmodelle in Python, exportieren Sie diese als CP/M .COM-Binärdateien und chatten Sie mit Ihrem Vintage-Computer.
Eine leichtgewichtige Header-Only-Bibliothek für die Verwendung von Keras (TensorFlow)-Modellen in C++.
Dies ist eine Liste interessanter Arbeiten und Projekte zu TinyML.
[NeurIPS 2020] MCUNet: Tiny Deep Learning auf IoT-Geräten; [NeurIPS 2021] MCUNetV2: Speichereffiziente Patch-basierte Inferenz für Tiny Deep Learning; [NeurIPS 2022] MCUNetV3: On-Device Training unter 256KB Speicher
sanoTTS (सानो bedeutet auf Nepalesisch „klein“): ein neuronales Text-to-Speech-System mit 294.000 bis 2,27 Millionen Parametern, das auf einem 3-Dollar-Chip, im Browser oder in Python läuft und Streaming mit geringer Latenz bietet.
Inferenz-Engine für Machine Learning auf Mikrocontrollern und eingebetteten Geräten
[NeurIPS 2020] MCUNet: Tiny Deep Learning auf IoT-Geräten; [NeurIPS 2021] MCUNetV2: Speichereffiziente Patch-basierte Inferenz für Tiny Deep Learning
Herstellerunabhängige TinyML Deep-Learning-Bibliothek, Compiler und Inferenz-Framework für Mikrocomputer und Mikrocontroller
Häufig gestellte Fragen
Welches ist das beliebteste #tinyml-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#tinyml-Projekt auf GitHub ist harvard-edge/cs249r_book mit 30,283 Sternen. Maschinelle Lernsysteme: Grundlagen, Skalierung, agentische KI und physische KI (Bde. I–IV) • Harvard CS249r | https://mlsysbook.ai
Welche Programmiersprachen werden in #tinyml-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #tinyml-Projekten auf GitHub sind Python, C++, C die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #tinyml-Repositories berechnet?
Wir verfolgen 14 aktive Open-Source-Repositories, die mit #tinyml getaggt sind (500+ Sterne), mit insgesamt 57,130 Sternen und durchschnittlich 4,080 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.