#openvino Repository
Scopri 27 repository GitHub open source attivi contrassegnati con #openvino, che raccolgono un totale di 109,429 stelle (con una media di 4,052 stelle per progetto). Il progetto leader di questo argomento è llmware-ai/llmware, con 14,820 stelle.
27 repository in totale
Framework unificato per la creazione di pipeline RAG aziendali con modelli piccoli e specializzati
OpenVINO™ è un toolkit open source per l'ottimizzazione e il deployment dell'inferenza AI.
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/
📄 Strumento OCR eccellente per molteplici linguaggi di programmazione basato su ONNX Runtime, OpenVINO, MNN, PaddlePaddle, TensorRT e PyTorch.
Pacchetto Go per la visione artificiale utilizzando OpenCV 4 e successive. Include supporto per DNN, CUDA, OpenCV Contrib e OpenVINO.
Una libreria per il rilevamento di anomalie che comprende algoritmi e funzionalità all'avanguardia come la gestione degli esperimenti, l'ottimizzazione degli iperparametri e l'inferenza sul perimetro.
NanoDet-Plus⚡Modello di deep learning per il rilevamento di oggetti super veloce e leggero senza ancoraggi. 🔥Solo 980 KB (int8) / 1,8 MB (fp16) ed esegue 97FPS su cellulare🔥
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.
TNN: sviluppato da Tencent Youtu Lab e Guangying Lab, un framework di inferenza deep learning uniforme per dispositivi mobili, desktop e server. TNN si distingue per diverse caratteristiche eccezionali, tra cui la capacità multipiattaforma, le elevate prestazioni, la compressione dei modelli e la potatura del codice. Basato su ncnn e Rapidnet, TNN rafforza ulteriormente il supporto e l'ottimizzazione delle prestazioni per i dispositivi mobili, attingendo anche ai vantaggi di buona estensibilità e alte prestazioni dagli sforzi open source esistenti.
Modelli di Deep Learning pre-addestrati e demo (alta qualità ed estremamente veloci)
Stima rapida e precisa della posa umana in PyTorch. Contiene l'implementazione dell'articolo "Real-time 2D Multi-Person Pose Estimation on CPU: Lightweight OpenPose".
Una serie di effetti, generatori e analizzatori basati sull'IA per Audacity®.
Un framework di implementazione dell'IA facile da usare e ad alte prestazioni | An Easy-to-Use and High-Performance AI Deployment Framework
Questo corso è progettato per guidare i principianti attraverso l'emozionante mondo dell'Edge AI, coprendo concetti fondamentali, modelli popolari, tecniche di inferenza, applicazioni specifiche per dispositivo, ottimizzazione del modello e lo sviluppo di agenti intelligenti Edge AI.
Crea, addestra, ottimizza ed esegui modelli di computer vision localmente, dalle immagini grezze all’inferenza in tempo reale. Open source e ottimizzato per Intel® XPU (supporta anche CUDA).
Framework di compressione della rete neurale per un'inferenza OpenVINO™ avanzata
App di avvio AI PC per la creazione di immagini AI, la stilizzazione di immagini e il chatbot su un PC basato su GPU Intel® Arc™.
Un server di inferenza scalabile per modelli ottimizzati con OpenVINO™
L'implementazione ANPR / ALPR più veloce al mondo per CPU, GPU, VPU e NPU basata su Transformers (ONNX, TensorFlow Lite, TensorRT, Hailo, OpenVINO, RKNN2...). Supporta più set di caratteri (latino, coreano e cinese), sistemi operativi (Jetson, Android, Raspberry Pi, Linux e Windows) e architetture (ARM, x86).
Deep Learning Streamer (DL Streamer) Pipeline Framework è un framework open-source per l'analisi di streaming multimediale, basato sul framework multimediale GStreamer*, per la creazione di pipeline complesse di analisi multimediale per il Cloud o per l'Edge.
🤗 Optimum Intel: Accelera l'inferenza con gli strumenti di ottimizzazione Intel
Domande frequenti
Qual è il repository #openvino più popolare su GitHub?
Il progetto open source #openvino più alto in classifica su GitHub è llmware-ai/llmware, con 14,820 stelle. Framework unificato per la creazione di pipeline RAG aziendali con modelli piccoli e specializzati
Quali linguaggi di programmazione sono più utilizzati nei repository #openvino?
Tra i progetti #openvino più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, C++, Jupyter Notebook, Go.
Come viene calcolata la classifica dei repository #openvino?
Monitoriamo 27 repository open source attivi contrassegnati con #openvino (500+ stelle), per un totale di 109,429 stelle e una media di 4,052 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.