#onnx Repository
Scopri 130 repository GitHub open source attivi contrassegnati con #onnx, che raccolgono un totale di 603,969 stelle (con una media di 4,645 stelle per progetto). Il progetto leader di questo argomento è ultralytics/yolov5, con 58,290 stelle.
130 repository in totale
Ultralytics YOLOv5 in PyTorch per rilevamento oggetti, segmentazione di istanze, classificazione, addestramento ed esportazione.
Il repository fornisce il codice per l'esecuzione dell'inferenza con il SegmentAnything Model (SAM), collegamenti per il download dei checkpoint del modello addestrato e notebook di esempio che mostrano come utilizzare il modello.
Visualizzatore per modelli di reti neurali, apprendimento profondo e apprendimento automatico
ncnn è un framework di inferenza per reti neurali ad alte prestazioni ottimizzato per piattaforme mobili
ONNX Runtime: acceleratore per inferenza e addestramento ML cross-platform ad alte prestazioni
Burn è una libreria di tensori di nuova generazione e un framework di Deep Learning che non scende a compromessi su flessibilità, efficienza e portabilità.
Da parlato a testo, da testo a parlato, diarizzazione dell'oratore, miglioramento della voce, separazione delle sorgenti e VAD utilizzando la prossima generazione di Kaldi con onnxruntime senza connessione Internet. Supporto per sistemi embedded, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, NPU RK, NPU Axera, NPU Ascend, server x86_64, server/client websocket, supporto per 12 linguaggi di programmazione
Framework unificato per la creazione di pipeline RAG aziendali con modelli piccoli e specializzati
TTS multilingue velocissimo on-device — in esecuzione nativamente tramite ONNX.
LangChain4j è una libreria Java idiomatica e open-source per la costruzione di applicazioni basate su LLM sulla JVM. Offre un'API unificata sui provider LLM e vector store più popolari, rendendo facile l'implementazione di chiamate a tool (incluso supporto MCP), agenti e RAG. Si integra perfettamente con framework Java enterprise come Quarkus e Spring Boot.
🏄 Embedding scalabile, ragionamento, ranking per immagini e frasi con CLIP
App di traduzione in tempo reale open source per Android che funziona localmente
Implementazione PyTorch di YOLOv3, YOLOv3-SPP e YOLOv3-tiny per il rilevamento di oggetti in tempo reale con addestramento, validazione, inferenza ed esportazione in più formati.
YOLOX è un YOLO ad alte prestazioni senza ancoraggi, che supera yolov3~v5 con il supporto di MegEngine, ONNX, TensorRT, ncnn e OpenVINO. Documentazione: https://yolox.readthedocs.io/
Codice di supporto in "Tutorial pratico per l'addestramento di modelli PyTorch"
Pacchetto Go per la visione artificiale utilizzando OpenCV 4 e successive. Include supporto per DNN, CUDA, OpenCV Contrib e OpenVINO.
Rimuovi sfondi dalle immagini direttamente nell'ambiente del browser con facilità, senza costi aggiuntivi o problemi di privacy. Esplora una demo interattiva.
[AAAI 2025] Implementazione ufficiale di "OOTDiffusion: Outfitting Fusion based Latent Diffusion for Controllable Virtual Try-on"
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.
Libreria Python di apprendimento automatico semplice e distribuito che porta gli algoritmi ML su Spark
Un compagno desktop basato sull’IA, autonomo e consapevole del contesto. Realizzato con Python, offre la visione dello schermo in tempo reale, la sintesi vocale ONNX personalizzata, il rilevamento della finestra attiva e un’interfaccia mobile dinamica con espressioni facciali reattive.
Toolkit di Visualizzazione per l'Apprendimento Profondo (Strumento di visualizzazione per l'apprendimento profondo „Fly Paddle“ )
RuVector offre processi decisionali e memoria degli agenti ad alte prestazioni in tempo reale, IA autoapprendente e un database GNN vettoriale sviluppato in Rust.
Un plugin OBS per rimuovere lo sfondo nelle immagini (video) in formato ritratto, che semplifica la sostituzione dello sfondo durante la registrazione o lo streaming.
Un modello TTS multilingue da 100 milioni di parametri per l’inferenza in tempo reale su CPU, la clonazione della voce e la generazione stereo a 48 kHz
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.
Che tu sia un principiante assoluto, che si tratti di applicazioni di progetto in CV, NLP, LLM, o di implementazione ingegeristica avanzata, troverai tutto in «Tutorial pratico su PyTorch» (Seconda edizione). Crediamo che con l'aiuto di questo libro, i lettori saranno in grado di padroneggiare facilmente l'uso di PyTorch e diventare eccellenti ingegneri di deep learning.
Tengine è un motore di inferenza leggero, ad alte prestazioni e modulare per dispositivi embedded.
Un toolkit AI leggero in C++: oltre 100 modelli con MNN, ORT e TRT, inclusi Det, Seg, Stable-Diffusion, Face-Fusion.
Un compilatore e toolkit di runtime per machine learning basato su MLIR e retargetable.
Etichettatura dati assistita dall'intelligenza artificiale senza sforzo grazie al supporto AI di YOLO, Segment Anything (SAM+SAM2/2.1+SAM3) e MobileSAM!!
Accelera l'inferenza e l'addestramento di 🤗 Transformers, Diffusers, TIMM e Sentence Transformers con strumenti di ottimizzazione hardware facili da usare
DAMO-YOLO: un metodo di rilevamento di oggetti veloce e accurato con alcune nuove tecnologie, tra cui backbone NAS, efficiente RepGFPN, ZeroHead, AlignedOTA e miglioramento della distillazione.
L'implementazione ufficiale PyTorch di Towards Fast, Accurate and Stable 3D Dense Face Alignment, ECCV 2020.
[CVPR 2025 Best Paper Nomination] FoundationStereo: Zero-Shot Stereo Matching
AudioMuse-AI utilizza l'analisi sonora per riscoprire canzoni dimenticate, scoprire connessioni nascoste nella tua libreria musicale e generare playlist intelligenti per Navidrome, Jellyfin, LMS, Lyrion, Emby e Plex: nessun metadato o servizio esterno richiesto.
Domande frequenti
Qual è il repository #onnx più popolare su GitHub?
Il progetto open source #onnx più alto in classifica su GitHub è ultralytics/yolov5, con 58,290 stelle. Ultralytics YOLOv5 in PyTorch per rilevamento oggetti, segmentazione di istanze, classificazione, addestramento ed esportazione.
Quali linguaggi di programmazione sono più utilizzati nei repository #onnx?
Tra i progetti #onnx più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, C++, Rust, Jupyter Notebook.
Come viene calcolata la classifica dei repository #onnx?
Monitoriamo 130 repository open source attivi contrassegnati con #onnx (500+ stelle), per un totale di 603,969 stelle e una media di 4,645 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.