#openvino Dépôts
Découvrez 27 dépôts GitHub open source actifs associés à #openvino, cumulant 109,429 étoiles au total (soit une moyenne de 4,052 étoiles par projet). Le projet en tête de ce thème est llmware-ai/llmware, avec 14,820 étoiles.
27 dépôts au total
Cadre unifié pour la création de pipelines RAG d'entreprise avec de petits modèles spécialisés
OpenVINO™ est un kit d'outils open source pour optimiser et déployer l'inférence IA.
YOLOX est un YOLO haute performance sans ancres, surpassant yolov3~v5 avec la prise en charge de MegEngine, ONNX, TensorRT, ncnn et OpenVINO. Documentation : https://yolox.readthedocs.io/
📄 Outil OCR impressionnant pour plusieurs langages de programmation basé sur ONNX Runtime, OpenVINO, MNN, PaddlePaddle, TensorRT et PyTorch.
Paquet Go pour la vision par ordinateur utilisant OpenCV 4 et au-delà. Inclut le support pour DNN, CUDA, OpenCV Contrib et OpenVINO.
Une bibliothèque de détection d'anomalies comprenant des algorithmes et des fonctionnalités de pointe tels que la gestion d'expériences, l'optimisation des hyperparamètres et l'inférence en périphérie.
NanoDet-Plus⚡Modèle de détection d'objets ultra rapide et léger sans ancrage. 🔥Seulement 980 Ko (int8) / 1,8 Mo (fp16) et exécute 97 FPS sur téléphone portable🔥
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.
TNN : développé par Tencent Youtu Lab et Guangying Lab, un framework d'inférence d'apprentissage profond unifié pour mobile, bureau et serveur. TNN se distingue par plusieurs caractéristiques exceptionnelles, notamment sa capacité multiplateforme, ses hautes performances, la compression des modèles et l'élagage du code. Basé sur ncnn et Rapidnet, TNN renforce davantage le support et l'optimisation des performances pour les appareils mobiles, et tire également parti des avantages d'une bonne extensibilité et de hautes performances des efforts open source existants.
Modèles et démos d'apprentissage profond pré-entraînés (haute qualité et extrêmement rapides)
Estimation rapide et précise de la pose humaine en PyTorch. Contient l'implémentation de l'article "Real-time 2D Multi-Person Pose Estimation on CPU: Lightweight OpenPose".
Un ensemble d'effets, de générateurs et d'analyseurs basés sur l'IA pour Audacity®.
Un cadre de déploiement d'IA simple à utiliser et haute performance | An Easy-to-Use and High-Performance AI Deployment Framework
Ce cours est conçu pour guider les débutants dans le monde passionnant de l'IA en périphérie (Edge AI), couvrant les concepts fondamentaux, les modèles populaires, les techniques d'inférence, les applications spécifiques aux appareils, l'optimisation des modèles et le développement d'agents IA intelligents en périphérie.
Créez, entraînez, optimisez et exécutez des modèles de vision par ordinateur en local, des images brutes à l’inférence en temps réel. Open source, optimisé pour Intel® XPU (CUDA est également pris en charge).
Framework de compression de réseau neuronal pour une inférence OpenVINO™ améliorée
Application de démarrage pour PC IA pour la création d'images IA, la stylisation d'images et le chatbot sur un PC alimenté par un GPU Intel® Arc™.
Un serveur d'inférence scalable pour les modèles optimisés avec OpenVINO™
L'implémentation ANPR / ALPR la plus rapide au monde pour les CPU, GPU, VPU et NPU, basée sur des Transformers (ONNX, TensorFlow Lite, TensorRT, Hailo, OpenVINO, RKNN2...). Prise en charge de plusieurs jeux de caractères (latin, coréen, chinois), systèmes d'exploitation (Jetson, Android, Raspberry Pi, Linux, Windows) et architectures (ARM, x86).
Le Deep Learning Streamer (DL Streamer) Pipeline Framework est un framework open-source d'analyse de médias en streaming, basé sur le framework multimédia GStreamer*, destiné à la création de pipelines complexes d'analyse multimédia pour le Cloud ou en périphérie (Edge).
🤗 Optimum Intel: Accélérez l'inférence avec les outils d'optimisation d'Intel
Foire aux questions
Quel est le dépôt #openvino le plus populaire sur GitHub ?
Le projet #openvino open source le mieux classé sur GitHub est llmware-ai/llmware, avec 14,820 étoiles. Cadre unifié pour la création de pipelines RAG d'entreprise avec de petits modèles spécialisés
Quels langages de programmation sont les plus utilisés dans les dépôts #openvino ?
Parmi les projets #openvino les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, Jupyter Notebook, Go.
Comment le classement des dépôts #openvino est-il calculé ?
Nous suivons 27 dépôts open source actifs associés à #openvino (500+ étoiles), totalisant 109,429 étoiles, avec une moyenne de 4,052 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.