Git Stars Git Stars

#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
Total des Dépôts
57,130
Nombre total d'étoiles
4,080
Moyenne d'Étoiles/Dépôt
Langages de programmation: Python C++ C
1
harvard-edge/cs249r_book

Systèmes d’apprentissage automatique : fondements, mise à l’échelle, IA agentique et IA physique (vol. I–IV) • CS249r de Harvard | https://mlsysbook.ai

harvard-edge
⭐ 30,283 Python 👤 harvard-edge Organization 🕐 Mis à jour 2026-11-21 📅 Créé 2023-09-06
2
cactus-compute/cactus

Intelligence agentique, vocale et visuelle de moins de 50 Mo pour les appareils grand public.

cactus-compute
⭐ 14,864 Python 👤 cactus-compute Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2026-02-24
3
vitoplantamura/OnnxStream

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.

vitoplantamura
⭐ 2,091 C++ 👤 vitoplantamura User 🕐 Mis à jour 2026-06-18 📅 Créé 2023-07-14
4
HarryR/z80ai

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.

HarryR
⭐ 1,141 Python 👤 HarryR User 🕐 Mis à jour 2026-04-29 📅 Créé 2025-12-21
5
Dobiasd/frugally-deep

Une bibliothèque légère "header-only" pour utiliser des modèles Keras (TensorFlow) en C++.

Dobiasd
⭐ 1,128 C++ 👤 Dobiasd User 🕐 Mis à jour 2026-11-05 📅 Créé 2016-07-15
6
rl-tools/rl-tools

La bibliothèque d'apprentissage par renforcement profond la plus rapide

rl-tools
⭐ 1,056 C++ 👤 rl-tools Organization 🕐 Mis à jour 2026-11-18 📅 Créé 2023-11-11
7
sipeed/TinyMaix

TinyMaix is a tiny inference library for microcontrollers (TinyML).

sipeed
⭐ 1,056 C 👤 sipeed Organization 🕐 Mis à jour 2025-02-05 📅 Créé 2022-08-08
8
gigwegbe/tinyml-papers-and-projects

Voici une liste d'articles et de projets intéressants sur TinyML.

gigwegbe
⭐ 1,035 👤 gigwegbe User 🕐 Mis à jour 2025-12-08 📅 Créé 2020-12-24
9
mit-han-lab/tinyengine

[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

mit-han-lab
⭐ 916 C 👤 mit-han-lab Organization 🕐 Mis à jour 2024-11-27 📅 Créé 2022-08-24
10
Ampixa/sanoTTS

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.

Ampixa
⭐ 851 C 👤 Ampixa Organization 🕐 Mis à jour 2026-11-20 📅 Créé 2026-07-11
11
emlearn/emlearn

Moteur d'inférence Machine Learning pour Microcontrôleurs et Dispositifs Embarqués

emlearn
⭐ 776 Python 👤 emlearn Organization 🕐 Mis à jour 2026-11-10 📅 Créé 2018-03-16
12
raspberrypi/pico-tflmicro

Pico TensorFlow Lite Port

raspberrypi
⭐ 725 C++ 👤 raspberrypi Organization 🕐 Mis à jour 2024-12-27 📅 Créé 2020-11-23
13
mit-han-lab/mcunet

[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

mit-han-lab
⭐ 634 Python 👤 mit-han-lab Organization 🕐 Mis à jour 2024-03-29 📅 Créé 2022-06-14
14
ai-techsystems/deepC

Bibliothèque de deep learning TinyML indépendante du fournisseur, compilateur et framework d'inférence pour microordinateurs et microcontrôleurs

ai-techsystems
⭐ 603 C++ 👤 ai-techsystems Organization 🕐 Mis à jour 2025-07-22 📅 Créé 2019-06-22

Foire aux questions

1

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

2

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.

3

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.