#tensorrt Repository
Scopri 80 repository GitHub open source attivi contrassegnati con #tensorrt, che raccolgono un totale di 302,483 stelle (con una media di 3,781 stelle per progetto). Il progetto leader di questo argomento è ultralytics/yolov5, con 58,290 stelle.
80 repository in totale
Ultralytics YOLOv5 in PyTorch per rilevamento oggetti, segmentazione di istanze, classificazione, addestramento ed esportazione.
NVIDIA® TensorRT™ è un SDK per l'inferenza di deep learning ad alte prestazioni su GPU NVIDIA. Questo repository contiene i componenti open source di TensorRT.
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.
StreamDiffusion: Una soluzione a livello di pipeline per la generazione interattiva in tempo reale
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/
Guida Hello AI World per il deployment di reti di inferenza deep-learning e primitive di visione profonda con TensorRT e NVIDIA Jetson.
📄 Strumento OCR eccellente per molteplici linguaggi di programmazione basato su ONNX Runtime, OpenVINO, MNN, PaddlePaddle, TensorRT e PyTorch.
BoxMOT: tracciamento multioggetto collegabile in Python e C++ per riquadri allineati agli assi e orientati, ora con distribuzione tramite Helm per il tracciamento continuo delle telecamere su Kubernetes.
Codice di supporto in "Tutorial pratico per l'addestramento di modelli PyTorch"
Implementazione di reti di deep learning popolari con l'API di definizione della rete TensorRT
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.
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.
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.
Flussi di lavoro di riferimento per l'IA generativa ottimizzati per un'architettura di microservizi e un'infrastruttura accelerate.
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.
[CVPR 2025 Best Paper Nomination] FoundationStereo: Zero-Shot Stereo Matching
Progetti di Computer Vision | Divertenti progetti di IA relativi alla visione artificiale (Python, C++, sistemi embedded)
Trasforma qualsiasi computer o dispositivo edge in un centro di comando per i tuoi progetti di computer vision.
🍅🍅🍅YOLOv5-Lite: Evoluto da yolov5 e la dimensione del modello è solo 900+kb (int8) e 1,7M (fp16). Raggiunge 15 FPS sul Raspberry Pi 4B~
YOLO5Face: Perché reinventare un rilevatore di volti (https://arxiv.org/abs/2105.12931) Workshop ECCV 2022)
micronet, una libreria per compressione e deployment di modelli. Compressione: 1、Quantizzazione: training-aware quantization(QAT), High-Bit(>2b)(DoReFa/Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference)、Low-Bit(≤2b)/Ternario e Binario(TWN/BNN/XNOR-Net); quantizzazione post-training(PTQ), 8-bit(tensorrt); 2、potatura: normale、regolare e potatura di canali convoluzionali di gruppo; 3、struttura di convoluzione di gruppo; 4、fusione di normalizzazione batch per quantizzazione. Deployment: tensorrt, fp32/fp16/in
YOLOv4, YOLOv4-tiny, YOLOv3, YOLOv3-tiny implementati in Tensorflow 2.0, Android. Convertire YOLO v4 .weights in tensorflow, tensorrt e tflite
Implementazione di NVIDIA DeepStream SDK 8.0 / 7.1 / 7.0 / 6.4 / 6.3 / 6.2 / 6.1.1 / 6.1 / 6.0.1 / 6.0 / 5.1 per modelli YOLO
Un progetto che dimostra soluzioni AI relative a Lidar, incluse tre reti DL Lidar/telecamera accelerate da GPU (PointPillars, CenterPoint, BEVFusion) e le librerie correlate (cuPCL, 3D SparseConvolution, YUV2RGB, cuOSD).
Un framework di implementazione dell'IA facile da usare e ad alte prestazioni | An Easy-to-Use and High-Performance AI Deployment Framework
🚀🚀🚀 Una raccolta di alcuni fantastici progetti della serie YOLO per il rilevamento di oggetti pubblici e i relativi set di dati per il rilevamento di oggetti.
WhisperFusion si basa sulle capacità di WhisperLive e WhisperSpeech per fornire conversazioni senza interruzioni con un'IA.
PaddleSlim è una libreria open-source per la compressione di modelli profondi e la ricerca di architetture.
🔥🔥🔥TensorRT per YOLO26 (rilevamento/posa/segmentazione/profondità/box orientati/classificazione), YOLOv11, YOLOv10, YOLOv9, YOLOv8, ... 🚀🚀🚀 CUDA È TUTTO CIÒ DI CUI HAI BISOGNO. 🍎🍎🍎
Pianifichi una sola volta: un planner per droni quadricotteri basato sull'apprendimento
Tracciamento multiplo di oggetti ad alte prestazioni basato su YOLO, Deep SORT e KLT 🚀
TensorRT per la serie YOLO (YOLOv11, YOLOv10, YOLOv9, YOLOv8, YOLOv7, YOLOv6, YOLOX, YOLOv5), supporto plugin NMS
Domande frequenti
Qual è il repository #tensorrt più popolare su GitHub?
Il progetto open source #tensorrt 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 #tensorrt?
Tra i progetti #tensorrt più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, C++, Jupyter Notebook.
Come viene calcolata la classifica dei repository #tensorrt?
Monitoriamo 80 repository open source attivi contrassegnati con #tensorrt (500+ stelle), per un totale di 302,483 stelle e una media di 3,781 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.