#caffe Dépôts
Découvrez 24 dépôts GitHub open source actifs associés à #caffe, cumulant 160,514 étoiles au total (soit une moyenne de 6,688 étoiles par projet). Le projet en tête de ce thème est CMU-Perceptual-Computing-Lab/openpose, avec 33,619 étoiles.
24 dépôts au total
OpenPose : Bibliothèque de détection de points clés multi-personnes en temps réel pour l'estimation du corps, du visage, des mains et des pieds
Notebooks Python pour la science des données : Deep learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, fondamentaux de Python, AWS et diverses lignes de commande.
ncnn est un framework d'inférence de réseaux de neurones haute performance optimisé pour les plateformes mobiles
Feuille de route d'apprentissage en intelligence artificielle, compilation de près de 200 cas pratiques et projets, manuels complémentaires gratuits, entrée pour débutants absolus, pratique pour l'emploi ! Inclut : Python, mathématiques, apprentissage automatique, analyse de données, apprentissage profond, vision par ordinateur, traitement du langage naturel, PyTorch, tensorflow, machine-learning, deep-learning, data-analysis, data-mining, mathematics, data-science, artificial-intelligence, python, tensorflow, tensorflow2, caffe, keras, pytorch, algorithm, numpy, pandas, matplotlib, seaborn, nlp, cv et autres domaines populaires
Guide Hello AI World pour déployer des réseaux d'inférence deep-learning et des primitives de vision profonde avec TensorRT et NVIDIA Jetson.
Configurez et personnalisez l'environnement d'apprentissage profond en quelques secondes.
MMdnn est un ensemble d'outils pour aider les utilisateurs à interopérer entre différents frameworks d'apprentissage profond. Par ex. conversion et visualisation de modèles. Convertir des modèles entre Caffe, Keras, MXNet, Tensorflow, CNTK, PyTorch, ONNX et CoreML.
Guide pour débutants absolus de l’apprentissage automatique et de la classification d’images avec des réseaux neuronaux
Kit d'Outils de Visualisation en Apprentissage Profond (Outil de visualisation en apprentissage profond „Fly Paddle“ )
Un dépôt pour stocker des modèles qui ont été convertis mutuellement entre divers frameworks. Les frameworks pris en charge sont TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite (Float32/16/INT8), EdgeTPU, CoreML.
Excellent projet pour le recrutement universitaire, les campagnes d'automne, les campagnes de printemps et les stages ! Nous vous guiderons pas à pas dans l'implémentation d'une bibliothèque d'inférence d'apprentissage profond haute performance, prenant en charge l'inférence de grands modèles tels que llama2, Unet, YoloV5, Resnet, etc. Implémentez pas à pas une bibliothèque d'inférence d'apprentissage profond haute performance.
Implémentation Caffe du réseau de détection Google MobileNet SSD, avec des poids pré-entraînés sur VOC0712 et mAP=0.727.
PPL Quantization Tool (PPQ) est un puissant outil de quantification hors ligne pour réseaux neuronaux.
Bolt est une bibliothèque d'apprentissage profond avec des performances élevées et une flexibilité hétérogène.
Convertisseur de modèles d'apprentissage profond pour PaddlePaddle. (Outil de conversion de modèles d'apprentissage profond 『飞桨』)
Apprentissage conjoint de caractéristiques de détection et d'identification pour la recherche de personnes
Fabric for Deep Learning (FfDL, prononcé fiddle) est une plateforme d'apprentissage profond offrant TensorFlow, Caffe, PyTorch, etc. en tant que service sur Kubernetes.
Foire aux questions
Quel est le dépôt #caffe le plus populaire sur GitHub ?
Le projet #caffe open source le mieux classé sur GitHub est CMU-Perceptual-Computing-Lab/openpose, avec 33,619 étoiles. OpenPose : Bibliothèque de détection de points clés multi-personnes en temps réel pour l'estimation du corps, du visage, des mains et des pieds
Quels langages de programmation sont les plus utilisés dans les dépôts #caffe ?
Parmi les projets #caffe les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, HTML, Java.
Comment le classement des dépôts #caffe est-il calculé ?
Nous suivons 24 dépôts open source actifs associés à #caffe (500+ étoiles), totalisant 160,514 étoiles, avec une moyenne de 6,688 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.