#tinyml Repository
Scopri 14 repository GitHub open source attivi contrassegnati con #tinyml, che raccolgono un totale di 57,130 stelle (con una media di 4,080 stelle per progetto). Il progetto leader di questo argomento è harvard-edge/cs249r_book, con 30,283 stelle.
14 repository in totale
Sistemi di apprendimento automatico: fondamenti, scalabilità, IA agentica e IA fisica (voll. I–IV) • Harvard CS249r | https://mlsysbook.ai
Intelligenza agentica, vocale e visiva sotto i 50 MB per dispositivi consumer.
Libreria di inferenza leggera per file ONNX, scritta in C++. Può eseguire Stable Diffusion XL 1.0 su un RPI Zero 2 (o con 298 MB di RAM), ma anche Mistral 7B su desktop e server. Supporto per ARM, x86, WASM, RISC-V. Accelerato da XNNPACK. Binding Python, C# e JS (WASM) disponibili.
Z80-μLM è un modello linguistico quantizzato a 2 bit abbastanza piccolo da poter funzionare su un processore Z80 a 8 bit. Addestra modelli conversazionali in Python, esportali come binari CP/M .COM e chatta con il tuo computer d'epoca.
Una libreria leggera solo header per l'utilizzo di modelli Keras (TensorFlow) in C++.
Questo è un elenco di articoli e progetti interessanti su TinyML.
[NeurIPS 2020] MCUNet: Tiny Deep Learning su Dispositivi IoT; [NeurIPS 2021] MCUNetV2: Inferenza basata su patch ad alta efficienza di memoria per Tiny Deep Learning; [NeurIPS 2022] MCUNetV3: Addestramento On-Device con meno di 256KB di memoria
sanoTTS (सानो significa «piccolo» in nepalese): un sistema neurale di sintesi vocale con un numero di parametri compreso tra 294 mila e 2,27 milioni, che funziona su un chip da 3 $, nel browser o in Python, con streaming a bassa latenza.
[NeurIPS 2020] MCUNet: Tiny Deep Learning su dispositivi IoT; [NeurIPS 2021] MCUNetV2: Inferenza basata su patch a basso consumo di memoria per Tiny Deep Learning
Libreria di deep learning TinyML indipendente dal fornitore, compilatore e framework di inferenza per microcomputer e microcontrollori
Domande frequenti
Qual è il repository #tinyml più popolare su GitHub?
Il progetto open source #tinyml più alto in classifica su GitHub è harvard-edge/cs249r_book, con 30,283 stelle. Sistemi di apprendimento automatico: fondamenti, scalabilità, IA agentica e IA fisica (voll. I–IV) • Harvard CS249r | https://mlsysbook.ai
Quali linguaggi di programmazione sono più utilizzati nei repository #tinyml?
Tra i progetti #tinyml più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, C++, C.
Come viene calcolata la classifica dei repository #tinyml?
Monitoriamo 14 repository open source attivi contrassegnati con #tinyml (500+ stelle), per un totale di 57,130 stelle e una media di 4,080 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.