#coreml Repositorios
Descubre 38 repositorios activos de código abierto de GitHub etiquetados con #coreml, que acumulan 188,710 estrellas en total (una media de 4,966 estrellas por proyecto). El líder de este tema es ultralytics/yolov5, con 58,290 estrellas.
38 repositorios en total
Ultralytics YOLOv5 en PyTorch para detección de objetos, segmentación de instancias, clasificación, entrenamiento y exportación.
Visualizador para modelos de redes neuronales, aprendizaje profundo y aprendizaje automático
Implementación en PyTorch de YOLOv3, YOLOv3-SPP y YOLOv3-tiny para detección de objetos en tiempo real con entrenamiento, validación, inferencia y exportación en múltiples formatos.
Una biblioteca de Gradient Boosting en Árboles de Decisión rápida, escalable y de alto rendimiento, utilizada para ranking, clasificación, regresión y otras tareas de aprendizaje automático para Python, R, Java, C++. Soporta cómputo en CPU y GPU.
MMdnn es un conjunto de herramientas para ayudar a los usuarios a interoperar entre diferentes frameworks de aprendizaje profundo. Por ejemplo, conversión y visualización de modelos. Convertir modelos entre Caffe, Keras, MXNet, Tensorflow, CNTK, PyTorch, ONNX y CoreML.
Las herramientas de Core ML contienen herramientas de soporte para la conversión, edición y validación de modelos de Core ML.
Un repositorio para almacenar modelos que han sido convertidos entre varios frameworks. Los frameworks compatibles son TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite (Float32/16/INT8), EdgeTPU, CoreML.
TNN: Desarrollado por Tencent Youtu Lab y Guangying Lab, un framework de inferencia de aprendizaje profundo unificado para móviles, escritorios y servidores. TNN se distingue por varias características sobresalientes, que incluyen su capacidad multiplataforma, alto rendimiento, compresión de modelos y poda de código. Basado en ncnn y Rapidnet, TNN fortalece aún más el soporte y la optimización del rendimiento para dispositivos móviles, y también aprovecha las ventajas de buena extensibilidad y alto rendimiento de los esfuerzos de código abierto existentes.
Modelos de audio Frontier CoreML en tus aplicaciones: texto a voz, voz a texto, detección de actividad de voz y diarización de hablantes. En Swift, impulsado por código abierto SOTA.
📚 Lista curada de artículos, tutoriales y repositorios que pueden ayudarte a profundizar un poco más en iOS [y las plataformas de Apple]。
Usa AnimeGANv3 para crear tus propias obras de animación, incluida la transformación de fotos o videos en anime.
Core ML model zoo para iOS/macOS: modelos de PyTorch convertidos a .mlpackage listos para usar, cada uno con un script de conversión y una aplicación de ejemplo en SwiftUI. Los repositorios relacionados cubren el framework Core AI de Apple (iOS/macOS 27) y LLM en el dispositivo.
Guía de Apple Silicon. Conozca todo sobre los chips A17 Pro, A16 Bionic, R1, series M1, series M2 y series M3. Junto con todos los dispositivos, sistemas operativos, herramientas, juegos y software que potencia Apple Silicon.
Decisiones tipadas de Laya local en Apple Core ML y Neural Engine. Ports validados, decisiones cortas de ~5 ms en M3 Max y benchmarks reproducibles de velocidad y consumo energético.
Fácil separación de stems (por ejemplo, instrumental/vocal) desde la CLI o como un paquete de Python, utilizando una variedad de increíbles modelos pre-entrenados (principalmente de UVR)
Paquete de Swift para implementar una API similar a transformers en Swift
Kit de herramientas de voz IA para Apple Silicon — ASR, TTS, voz-a-voz, VAD y diarización impulsados por MLX y CoreML
Lenguaje de programación visual escrito en Swift que se ensambla en código Swift ejecutable.
Implementación oficial de PyTorch de "EdgeSAM: Destilación Prompt-In-the-Loop para el Despliegue de SAM en Dispositivos"
Una herramienta para convertir archivos ONNX a LiteRT/TFLite/TensorFlow, código nativo de PyTorch (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2) y Dynamo ONNX. También soporta la conversión directa de LiteRT a PyTorch.
Una cámara diseñada en Swift para integrar fácilmente modelos CoreML, así como transmisión de imágenes, detección de códigos QR/Barra y muchas otras funciones.
Capa de memoria compartida en un solo archivo para todos tus agentes, RAG de menos de un milisegundo sobre texto, fotos y vídeo en Apple Silicon. Sin servidor. Sin API. Un archivo. Swift puro.
OCR rápido y sin conexión para Node.js y C++. PP-OCRv6 con aceleración de hardware mediante Core ML / WebGPU: reconoce texto en imágenes con puntuaciones de confianza y coordenadas. npm: @arcships/light-ocr
Uso local del ordenador en Apple silicon: decisiones tipadas en el dispositivo con laya y cumplimentación de formularios con CUA-S1-FORMS, mediante la API de accesibilidad de macOS
Rendimiento de cálculo máximo, ancho de banda de memoria y latencia de CPU, GPU y NPU: las mismas pruebas a través de cada API que accede a un dispositivo. Línea de comandos y aplicación para Windows, macOS, Linux y Android
Aplicación iOS de Ultralytics YOLO y paquete Swift para inferencia de Core ML en tiempo real en las principales tareas de visión por computadora.
Plugin oficial de Ultralytics YOLO para Flutter, destinado a la inferencia en tiempo real en Android e iOS para las principales tareas de visión.
🔎 SimilaritySearchKit es un paquete de Swift que proporciona incrustaciones de texto en el dispositivo y funcionalidad de búsqueda semántica para aplicaciones de iOS y macOS.
Preguntas frecuentes
¿Cuál es el repositorio de #coreml más popular en GitHub?
El proyecto de código abierto de #coreml mejor posicionado en GitHub es ultralytics/yolov5, con 58,290 estrellas. Ultralytics YOLOv5 en PyTorch para detección de objetos, segmentación de instancias, clasificación, entrenamiento y exportación.
¿Qué lenguajes de programación se utilizan más en los repositorios de #coreml?
Entre los proyectos de #coreml mejor posicionados en GitHub, los lenguajes de programación más comunes son Swift, Python, C++, JavaScript.
¿Cómo se calcula la clasificación de los repositorios de #coreml?
Seguimos 38 repositorios activos de código abierto etiquetados con #coreml (500+ estrellas), que suman un total de 188,710 estrellas, con una media de 4,966 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.