#tinyml Dépôts
Découvrez 14 dépôts GitHub open source actifs associés à #tinyml, cumulant 57,130 étoiles au total (soit une moyenne de 4,080 étoiles par projet). Le projet en tête de ce thème est harvard-edge/cs249r_book, avec 30,283 étoiles.
14 dépôts au total
Systèmes d’apprentissage automatique : fondements, mise à l’échelle, IA agentique et IA physique (vol. I–IV) • CS249r de Harvard | https://mlsysbook.ai
Intelligence agentique, vocale et visuelle de moins de 50 Mo pour les appareils grand public.
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.
Z80-μLM est un modèle de langage quantifié de 2 bits, suffisamment petit pour fonctionner sur un processeur Z80 8 bits. Entraînez des modèles conversationnels en Python, exportez-les en tant que binaires CP/M .COM et discutez avec votre ordinateur vintage.
Une bibliothèque légère "header-only" pour utiliser des modèles Keras (TensorFlow) en C++.
Voici une liste d'articles et de projets intéressants sur TinyML.
[NeurIPS 2020] MCUNet: Tiny Deep Learning sur les appareils IoT ; [NeurIPS 2021] MCUNetV2 : Inférence basée sur des patchs à haut rendement mémoire pour le Tiny Deep Learning ; [NeurIPS 2022] MCUNetV3 : Entraînement sur appareil avec moins de 256 Ko de mémoire
sanoTTS (सानो signifie « petit » en népalais) : un système neuronal de synthèse vocale comptant de 294 000 à 2,27 millions de paramètres, qui fonctionne sur une puce à 3 $, dans le navigateur ou en Python, avec une diffusion en continu à faible latence.
Moteur d'inférence Machine Learning pour Microcontrôleurs et Dispositifs Embarqués
[NeurIPS 2020] MCUNet : Tiny Deep Learning sur les appareils IoT ; [NeurIPS 2021] MCUNetV2 : Inférence basée sur des patchs économe en mémoire pour le Tiny Deep Learning
Bibliothèque de deep learning TinyML indépendante du fournisseur, compilateur et framework d'inférence pour microordinateurs et microcontrôleurs
Foire aux questions
Quel est le dépôt #tinyml le plus populaire sur GitHub ?
Le projet #tinyml open source le mieux classé sur GitHub est harvard-edge/cs249r_book, avec 30,283 étoiles. Systèmes d’apprentissage automatique : fondements, mise à l’échelle, IA agentique et IA physique (vol. I–IV) • CS249r de Harvard | https://mlsysbook.ai
Quels langages de programmation sont les plus utilisés dans les dépôts #tinyml ?
Parmi les projets #tinyml les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, C++, C.
Comment le classement des dépôts #tinyml est-il calculé ?
Nous suivons 14 dépôts open source actifs associés à #tinyml (500+ étoiles), totalisant 57,130 étoiles, avec une moyenne de 4,080 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.