#openvino Repositorios
Descubre 27 repositorios activos de código abierto de GitHub etiquetados con #openvino, que acumulan 109,429 estrellas en total (una media de 4,052 estrellas por proyecto). El líder de este tema es llmware-ai/llmware, con 14,820 estrellas.
27 repositorios en total
Marco unificado para la construcción de canalizaciones RAG empresariales con modelos pequeños y especializados
OpenVINO™ es un kit de herramientas de código abierto para optimizar y desplegar inferencia de IA.
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/
📄 Herramienta OCR impresionante para múltiples lenguajes de programación basada en ONNX Runtime, OpenVINO, MNN, PaddlePaddle, TensorRT y PyTorch.
Paquete de Go para visión por computadora usando OpenCV 4 y versiones posteriores. Incluye soporte para DNN, CUDA, OpenCV Contrib y OpenVINO.
Una biblioteca de detección de anomalías que comprende algoritmos y funciones de última generación, como gestión de experimentos, optimización de hiperparámetros e inferencia en el borde.
NanoDet-Plus⚡Modelo de detección de objetos ultrarrápido y ligero sin anclajes. 🔥¡Solo 980 KB (int8) / 1.8 MB (fp16) y funciona a 97 FPS en el móvil!🔥
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 y demostraciones de aprendizaje profundo preentrenados (alta calidad y extremadamente rápidos)
Estimación rápida y precisa de la pose humana en PyTorch. Contiene la implementación del artículo "Real-time 2D Multi-Person Pose Estimation on CPU: Lightweight OpenPose".
Un conjunto de efectos, generadores y analizadores habilitados por IA para Audacity®.
Un framework de implementación de IA fácil de usar y de alto rendimiento | An Easy-to-Use and High-Performance AI Deployment Framework
Este curso está diseñado para guiar a los principiantes a través del apasionante mundo de la IA en el borde (Edge AI), cubriendo conceptos fundamentales, modelos populares, técnicas de inferencia, aplicaciones específicas de dispositivos, optimización de modelos y el desarrollo de agentes inteligentes de IA en el borde.
Crea, entrena, optimiza y ejecuta modelos de visión por computadora localmente, desde imágenes sin procesar hasta inferencia en tiempo real. De código abierto y optimizado para Intel® XPU (también compatible con CUDA).
Framework de compresión de redes neuronales para una inferencia OpenVINO™ mejorada
Aplicación de inicio de PC con IA para la creación de imágenes IA, estilismo de imágenes y chatbot en un PC impulsado por una GPU Intel® Arc™.
Un servidor de inferencia escalable para modelos optimizados con OpenVINO™
La implementación de ANPR / ALPR más rápida del mundo para CPU, GPU, VPU y NPU mediante Transformers (ONNX, TensorFlow Lite, TensorRT, Hailo, OpenVINO, RKNN2...). Compatible con múltiples conjuntos de caracteres (latino, coreano y chino), sistemas operativos (Jetson, Android, Raspberry Pi, Linux y Windows) y arquitecturas (ARM, x86).
Deep Learning Streamer (DL Streamer) Pipeline Framework es un marco de análisis de medios de streaming de código abierto, basado en el marco multimedia GStreamer*, para crear complejas canalizaciones de análisis de medios para la Nube o en el Borde (Edge).
🤗 Optimum Intel: Acelera la inferencia con herramientas de optimización de Intel
Preguntas frecuentes
¿Cuál es el repositorio de #openvino más popular en GitHub?
El proyecto de código abierto de #openvino mejor posicionado en GitHub es llmware-ai/llmware, con 14,820 estrellas. Marco unificado para la construcción de canalizaciones RAG empresariales con modelos pequeños y especializados
¿Qué lenguajes de programación se utilizan más en los repositorios de #openvino?
Entre los proyectos de #openvino mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, C++, Jupyter Notebook, Go.
¿Cómo se calcula la clasificación de los repositorios de #openvino?
Seguimos 27 repositorios activos de código abierto etiquetados con #openvino (500+ estrellas), que suman un total de 109,429 estrellas, con una media de 4,052 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.