#caffe Repository
Scopri 24 repository GitHub open source attivi contrassegnati con #caffe, che raccolgono un totale di 160,514 stelle (con una media di 6,688 stelle per progetto). Il progetto leader di questo argomento è CMU-Perceptual-Computing-Lab/openpose, con 33,619 stelle.
24 repository in totale
OpenPose: Libreria per la stima dei punti chiave in tempo reale per corpo, viso, mani e piedi di più persone
Notebook Python per la data science: Deep learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, fondamenti di Python, AWS e varie righe di comando.
ncnn è un framework di inferenza per reti neurali ad alte prestazioni ottimizzato per piattaforme mobili
Mappa di apprendimento dell'intelligenza artificiale, raccolta di quasi 200 casi pratici e progetti, materiali complementari gratuiti, ingresso da zero basi, pratica per l'occupazione! Include: Python, matematica, machine learning, analisi dati, apprendimento profondo, visione artificiale, elaborazione del linguaggio naturale, 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 e altri campi caldi
Guida Hello AI World per il deployment di reti di inferenza deep-learning e primitive di visione profonda con TensorRT e NVIDIA Jetson.
MMdnn è un insieme di strumenti per aiutare gli utenti a interoperare tra diversi framework di deep learning. Ad es. conversione e visualizzazione dei modelli. Convertire modelli tra Caffe, Keras, MXNet, Tensorflow, CNTK, PyTorch, ONNX e CoreML.
Guida per principianti assoluti al machine learning e alla classificazione delle immagini con le reti neurali
Toolkit di Visualizzazione per l'Apprendimento Profondo (Strumento di visualizzazione per l'apprendimento profondo „Fly Paddle“ )
Un repository per l'archiviazione di modelli che sono stati convertiti tra vari framework. I framework supportati sono TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite (Float32/16/INT8), EdgeTPU, CoreML.
Ottimo progetto per neolaureati, autunnali, primaverili e stage! Ti guideremo passo dopo passo nell'implementazione di una libreria di inferenza deep learning ad alte prestazioni, supportando l'inferenza di modelli di grandi dimensioni come llama2, Unet, YoloV5, Resnet, ecc. Implementa passo dopo passo una libreria di inferenza deep learning ad alte prestazioni.
Implementazione Caffe della rete di rilevamento Google MobileNet SSD, con pesi pre-allenati su VOC0712 e mAP=0.727.
PPL Quantization Tool (PPQ) è un potente strumento offline per la quantizzazione di reti neurali.
Bolt è una libreria di deep learning con alte prestazioni e flessibilità eterogenea.
Convertitore di modelli di deep learning per PaddlePaddle. (Strumento di conversione di modelli di deep learning 『飞桨』)
Apprendimento congiunto di caratteristiche di rilevamento e identificazione per la ricerca di persone
Fabric for Deep Learning (FfDL, pronunciato fiddle) è una piattaforma di Deep Learning che offre TensorFlow, Caffe, PyTorch ecc. come servizio su Kubernetes.
Domande frequenti
Qual è il repository #caffe più popolare su GitHub?
Il progetto open source #caffe più alto in classifica su GitHub è CMU-Perceptual-Computing-Lab/openpose, con 33,619 stelle. OpenPose: Libreria per la stima dei punti chiave in tempo reale per corpo, viso, mani e piedi di più persone
Quali linguaggi di programmazione sono più utilizzati nei repository #caffe?
Tra i progetti #caffe più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, C++, HTML, Java.
Come viene calcolata la classifica dei repository #caffe?
Monitoriamo 24 repository open source attivi contrassegnati con #caffe (500+ stelle), per un totale di 160,514 stelle e una media di 6,688 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.