#onnx Repositorios
Descubre 130 repositorios activos de código abierto de GitHub etiquetados con #onnx, que acumulan 603,969 estrellas en total (una media de 4,645 estrellas por proyecto). El líder de este tema es ultralytics/yolov5, con 58,290 estrellas.
130 repositorios en total
Ultralytics YOLOv5 en PyTorch para detección de objetos, segmentación de instancias, clasificación, entrenamiento y exportación.
El repositorio proporciona código para ejecutar inferencias con el SegmentAnything Model (SAM), enlaces para descargar los puntos de control del modelo entrenado y cuadernos de ejemplo que muestran cómo usar el modelo.
Visualizador para modelos de redes neuronales, aprendizaje profundo y aprendizaje automático
ncnn es un framework de inferencia de redes neuronales de alto rendimiento optimizado para plataformas móviles
ONNX Runtime: Acelerador de inferencia y entrenamiento de ML multiplataforma de alto rendimiento
Burn es una biblioteca de tensores de próxima generación y un marco de aprendizaje profundo que no compromete la flexibilidad, la eficiencia ni la portabilidad.
Reconocimiento de voz a texto, texto a voz, diarización de hablantes, mejora de voz, separación de fuentes y VAD utilizando la próxima generación de Kaldi con onnxruntime sin conexión a Internet. Soporte para sistemas integrados, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, NPU RK, NPU Axera, NPU Ascend, servidores x86_64, servidor/cliente websocket, soporte para 12 lenguajes de programación
Marco unificado para la construcción de canalizaciones RAG empresariales con modelos pequeños y especializados
TTS multilingüe ultrarrápido en el dispositivo — ejecutándose de forma nativa a través de ONNX.
LangChain4j es una biblioteca de Java idiomática y de código abierto para construir aplicaciones impulsadas por LLM en la JVM. Ofrece una API unificada sobre proveedores populares de LLM y almacenes de vectores, y facilita la implementación de llamadas a herramientas (incluyendo soporte para MCP), agentes y RAG. Se integra perfectamente con frameworks de Java empresariales como Quarkus y Spring Boot.
🏄 Incrustación escalable, razonamiento, clasificación para imágenes y oraciones con CLIP
Aplicación de traducción en tiempo real de código abierto para Android que se ejecuta localmente
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.
YOLOX es un YOLO de alto rendimiento sin anclas, que supera a yolov3~v5 con el soporte de MegEngine, ONNX, TensorRT, ncnn y OpenVINO. Documentación: https://yolox.readthedocs.io/
Código complementario en "Tutorial práctico de entrenamiento de modelos PyTorch"
Paquete de Go para visión por computadora usando OpenCV 4 y versiones posteriores. Incluye soporte para DNN, CUDA, OpenCV Contrib y OpenVINO.
Elimina fondos de imágenes directamente en el navegador con facilidad y sin costos adicionales ni preocupaciones de privacidad. Explora una demostración interactiva.
[AAAI 2025] Implementación oficial de "OOTDiffusion: Outfitting Fusion based Latent Diffusion for Controllable Virtual Try-on"
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.
Biblioteca de Python de aprendizaje automático simple y distribuido que transfiere algoritmos de ML a Spark
Un compañero de escritorio con IA autónomo y consciente del contexto. Desarrollado con Python, cuenta con visión de pantalla en tiempo real, síntesis de voz ONNX personalizada, seguimiento de la ventana activa y una interfaz flotante dinámica con expresiones faciales reactivas.
Kit de Visualización de Aprendizaje Profundo (Herramienta de visualización de aprendizaje profundo „Fly Paddle“ )
RuVector proporciona toma de decisiones y memoria de agentes de alto rendimiento en tiempo real, IA autodidacta y una base de datos GNN vectorial desarrollada en Rust.
Un plugin de OBS para eliminar el fondo en imágenes (vídeo) de retrato, lo que facilita la sustitución del fondo al grabar o transmitir.
Un modelo TTS multilingüe de 100 millones de parámetros para inferencia en CPU en tiempo real, clonación de voz y generación estéreo a 48 kHz
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.
Ya sea que sea un principiante absoluto, una aplicación de proyecto en CV, NLP, LLM, o una implementación y despliegue de ingeniería avanzada, aquí lo encontrará todo en "Guía práctica de PyTorch" (2ª edición). Creemos que con la ayuda de este libro, los lectores podrán dominar fácilmente el uso de PyTorch y convertirse en excelentes ingenieros de aprendizaje profundo.
Tengine es un motor de inferencia ligero, de alto rendimiento y modular para dispositivos integrados.
Un kit de herramientas de IA ligero en C++: más de 100 modelos con MNN, ORT y TRT, incluyendo Det, Seg, Stable-Diffusion, Face-Fusion.
Un compilador y kit de herramientas de tiempo de ejecución para aprendizaje automático basado en MLIR y retargetable.
¡Etiquetado de datos asistido por IA sin esfuerzo con el soporte de IA de YOLO, Segment Anything (SAM+SAM2/2.1+SAM3) y MobileSAM!!
Acelera la inferencia y el entrenamiento de 🤗 Transformers, Diffusers, TIMM y Sentence Transformers con herramientas de optimización de hardware fáciles de usar
DAMO-YOLO: un método de detección de objetos rápido y preciso con algunas nuevas tecnologías, que incluyen backbones NAS, RepGFPN eficiente, ZeroHead, AlignedOTA y mejora por destilación.
La implementación oficial de PyTorch de Towards Fast, Accurate and Stable 3D Dense Face Alignment, ECCV 2020.
[Nominación al Mejor Artículo CVPR 2025] FoundationStereo: Coincidencia Estéreo de "Zero-Shot"
AudioMuse-AI utiliza análisis sónico para redescubrir canciones olvidadas, descubrir conexiones ocultas en tu biblioteca musical y generar listas de reproducción inteligentes para Navidrome, Jellyfin, LMS, Lyrion, Emby y Plex: no se requieren metadatos ni servicios externos.
Preguntas frecuentes
¿Cuál es el repositorio de #onnx más popular en GitHub?
El proyecto de código abierto de #onnx 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 #onnx?
Entre los proyectos de #onnx mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, C++, Rust, Jupyter Notebook.
¿Cómo se calcula la clasificación de los repositorios de #onnx?
Seguimos 130 repositorios activos de código abierto etiquetados con #onnx (500+ estrellas), que suman un total de 603,969 estrellas, con una media de 4,645 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.