#onnx Dépôts
130 dépôts au total
Transformez n'importe quel ordinateur ou appareil edge en un centre de commande pour vos projets de vision par ordinateur.
EfficientSAM : Masked Image Pretraining exploité pour Segment Anything efficace
micronet, une bibliothèque de compression et de déploiement de modèles. Compression : 1、quantification : entraînement conscient de la quantification(QAT), High-Bit(>2b)(DoReFa/Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference)、Low-Bit(≤2b)/Ternaire et Binaire(TWN/BNN/XNOR-Net) ; quantification post-entraînement(PTQ), 8-bit(tensorrt) ; 2、élagage : normal、régulier et élagage de canaux convolutifs en groupe ; 3、structure de convolution en groupe ; 4、fusion de normalisation par lots pour la quantification. Déploiement : tensorrt, fp32/fp16/in
Suivi robuste en temps réel du visage et des points de repère faciaux sur CPU avec intégration Unity
Bibliothèque d'inférence légère pour fichiers ONNX, écrite en C++. Elle peut exécuter Stable Diffusion XL 1.0 sur un RPI Zero 2 (ou dans 298 Mo de RAM) mais aussi Mistral 7B sur les ordinateurs de bureau et les serveurs. Support ARM, x86, WASM, RISC-V. Accéléré par XNNPACK. Bindings Python, C# et JS (WASM) disponibles.
Utilisez AnimeGANv3 pour créer vos propres œuvres d'animation, y compris la transformation de photos ou de vidéos en anime.
Modèle OCR de 1 million de paramètres : fonctionne sur CPU, est 15 fois plus rapide que Tesseract et offre une précision proche de celle des modèles comptant plus d’un milliard de paramètres
Découverte automatique de stratégies de parallélisation rapides pour l'entraînement distribué de réseaux de neurones profonds
PPL Quantization Tool (PPQ) est un puissant outil de quantification hors ligne pour réseaux neuronaux.
Mise en œuvre de la sélection de texte, de la sélection de caractères, de la sélection et de la reconnaissance de captcha par toucher, entraînée sur PyTorch
Un outil pour modifier les modèles ONNX de manière visuelle, basé sur Netron et Flask.
MixTeX multimodal LaTeX, ZhEn et OCR de tableaux. Il effectue une inférence efficace basée sur le CPU en local, hors ligne, sous Windows.
Second œil universel pour les joueurs handicapés (Aligneur de visée IA universel (AI Aimbot) - ONNX/YOLOv8 - C#)
Passerelle d’apprentissage profond sur Raspberry Pi et d’autres appareils périphériques
EfficientNet pré-entraîné, EfficientNet-Lite, MixNet, MobileNetV3 / V2, MNASNet A1 et B1, FBNet, Single-Path NAS
Un projet open-source destiné aux développeurs Windows pour apprendre à ajouter l'IA avec des modèles et des API locaux aux applications Windows.
Qualcomm® AI Hub Models est notre collection de modèles d'apprentissage automatique de pointe optimisés pour les performances (latence, mémoire, etc.) et prêts à être déployés sur les appareils Qualcomm®.
Un Framework PyTorch pour les Modèles de Recommandation, Facile à utiliser et Facile à étendre.
Framework de compression de réseau neuronal pour une inférence OpenVINO™ améliorée
Exécutez Laya, le modèle décisionnel System-1 open source compatible avec Jev, depuis Node.js / TypeScript via ONNX Runtime
LibreYOLO est une bibliothèque de vision par ordinateur open source sous licence MIT
Un compilateur de réseau neuronal profond (DNN) flexible et efficace qui génère des exécutables haute performance à partir d'une description de modèle DNN.
Un outil pour convertir les fichiers ONNX en LiteRT/TFLite/TensorFlow, code natif PyTorch (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2) et Dynamo ONNX. Il prend également en charge la conversion directe de LiteRT vers PyTorch.
Éditeur vidéo open-source et local d'abord, où les créateurs et les agents IA éditent la même timeline réelle.
CodeProject.AI Server est un service autonome que les développeurs de logiciels peuvent inclure et distribuer avec leurs applications afin d'enrichir leurs applications avec la puissance de l'IA.
Bolt est une bibliothèque d'apprentissage profond avec des performances élevées et une flexibilité hétérogène.
Un CLI pour estimer les exigences en mémoire d'inférence des modèles Hugging Face, écrit en Python.
Modèles ouverts de décision multimodale, de 0,8B à 27B, pour le texte, les images et la vidéo. Prenez des décisions en attribuant des probabilités à vos propres candidats et localisez avec des cadres de délimitation, plutôt que de générer du texte. API gratuite, ONNX, GGUF, vLLM et SGLang ; code de fine-tuning inclus.
Omni SenseVoice : Reconnaissance vocale à haute vitesse avec horodatage des mots 🗣️🎯
onnx-go permet d'importer un réseau de neurones pré-entraîné dans Go sans être lié à un framework ou une bibliothèque.
YoloDotNet - Un projet C# .NET 8.0 pour la classification, la détection d'objets, la détection OBB, la segmentation et l'estimation de pose dans les images et les flux vidéo en direct.
Modèles OCR légers et rapides pour la reconnaissance de texte des plaques d'immatriculation.
Framework d'apprentissage automatique pour les algorithmes d'apprentissage profond et traditionnels
Un modèle de synthèse vocale en anglais à deux voix et de 4,5 millions de paramètres, entraîné à partir de zéro
Convertisseur de modèles d'apprentissage profond pour PaddlePaddle. (Outil de conversion de modèles d'apprentissage profond 『飞桨』)