#tinyml Repositorios
Descubre 14 repositorios activos de código abierto de GitHub etiquetados con #tinyml, que acumulan 57,130 estrellas en total (una media de 4,080 estrellas por proyecto). El líder de este tema es harvard-edge/cs249r_book, con 30,283 estrellas.
14 repositorios en total
Sistemas de aprendizaje automático: fundamentos, escalabilidad, IA agéntica e IA física (vols. I–IV) • CS249r de Harvard | https://mlsysbook.ai
Inteligencia agéntica, de voz y visión de menos de 50 MB para dispositivos de consumo.
Biblioteca de inferencia ligera para archivos ONNX, escrita en C++. Puede ejecutar Stable Diffusion XL 1.0 en una RPI Zero 2 (o en 298 MB de RAM), pero también Mistral 7B en escritorios y servidores. Soporte para ARM, x86, WASM, RISC-V. Acelerado por XNNPACK. Bindings de Python, C# y JS (WASM) disponibles.
Z80-μLM es un modelo de lenguaje cuantificado de 2 bits lo suficientemente pequeño como para ejecutarse en un procesador Z80 de 8 bits. Entrena modelos conversacionales en Python, expórtalos como binarios CP/M .COM y chatea con tu ordenador clásico.
Una biblioteca ligera e independiente de cabeceras para usar modelos Keras (TensorFlow) en C++.
Esta es una lista de artículos y proyectos interesantes sobre TinyML.
[NeurIPS 2020] MCUNet: Tiny Deep Learning en Dispositivos IoT; [NeurIPS 2021] MCUNetV2: Inferencia basada en parches con alta eficiencia de memoria para Tiny Deep Learning; [NeurIPS 2022] MCUNetV3: Entrenamiento en el dispositivo con menos de 256 KB de memoria
sanoTTS (सानो significa «pequeño» en nepalí): un sistema neuronal de texto a voz con entre 294 mil y 2,27 millones de parámetros, que funciona en un chip de 3 dólares, en el navegador o en Python, con transmisión de baja latencia.
Motor de inferencia de Machine Learning para Microcontroladores y Dispositivos Empotrados
[NeurIPS 2020] MCUNet: Tiny Deep Learning en dispositivos IoT; [NeurIPS 2021] MCUNetV2: Inferencia basada en parches eficiente en memoria para Tiny Deep Learning
Biblioteca de aprendizaje profundo TinyML independiente del proveedor, compilador y marco de inferencia para microcomputadoras y microcontroladores
Preguntas frecuentes
¿Cuál es el repositorio de #tinyml más popular en GitHub?
El proyecto de código abierto de #tinyml mejor posicionado en GitHub es harvard-edge/cs249r_book, con 30,283 estrellas. Sistemas de aprendizaje automático: fundamentos, escalabilidad, IA agéntica e IA física (vols. I–IV) • CS249r de Harvard | https://mlsysbook.ai
¿Qué lenguajes de programación se utilizan más en los repositorios de #tinyml?
Entre los proyectos de #tinyml mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, C++, C.
¿Cómo se calcula la clasificación de los repositorios de #tinyml?
Seguimos 14 repositorios activos de código abierto etiquetados con #tinyml (500+ estrellas), que suman un total de 57,130 estrellas, con una media de 4,080 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.