#coreml リポジトリ
#coremlのタグが付いた、GitHub上の38件のアクティブなオープンソースリポジトリをご覧ください。合計スター数は188,710個で、プロジェクトあたりの平均は4,966個です。このトピックをリードしているのは、58,290個のスターを獲得しているultralytics/yolov5です。
リポジトリ合計38件
リアルタイム物体検出のためのYOLOv3、YOLOv3-SPP、およびYOLOv3-tinyのPyTorch実装。トレーニング、検証、推論、およびマルチフォーマットのエクスポートをサポート。
決定木上の勾配ブースティングの高速、スケーラブル、高性能ライブラリ。Python、R、Java、C++向けのランキング、分類、回帰、および他の機械学習タスクに使用されます。CPUおよびGPUでの計算をサポートします。
MMdnn は、異なる深層学習フレームワーク間で相互運用性を支援するためのツールセットです。例えば、モデル変換と視覚化。Caffe、Keras、MXNet、Tensorflow、CNTK、PyTorch、ONNX および CoreML 間でモデルを変換します。
さまざまなフレームワーク間で相互変換されたモデルを保存するためのリポジトリ。サポートされているフレームワークは TensorFlow、PyTorch、ONNX、OpenVINO、TFJS、TFTRT、TensorFlowLite (Float32/16/INT8)、EdgeTPU、CoreML です。
TNN: Tencent Youtu LabとGuangying Labによって開発された、モバイル、デスクトップ、サーバー用の統一されたディープラーニング推論フレームワークです。TNNは、クロスプラットフォーム機能、高性能、モデル圧縮、コードプルーニングなど、いくつかの優れた機能によって区別されます。ncnnとRapidnetに基づき、TNNはモバイルデバイスのサポートとパフォーマンス最適化をさらに強化し、既存のオープンソースの取り組みからの優れた拡張性と高性能という利点も取り入れています。
アプリで Frontier CoreML オーディオモデルを使用 — テキスト読み上げ、音声認識、音声アクティビティ検出、話者分離。Swift で、SOTA オープンソースにより実現。
📚 iOS [および Apple プラットフォーム]についてもう少し深く掘り下げるのに役立つ記事、チュートリアル、リポジトリのキュレーションされたリスト。
iOS/macOS向けCore MLモデルZoo — PyTorchモデルをすぐに使える.mlpackageに変換。各モデルには変換スクリプトとSwiftUIサンプルアプリが含まれています。関連リポジトリでは、AppleのCore AIフレームワーク(iOS/macOS 27)とオンデバイスLLMを扱っています。
Apple Silicon ガイド。A17 Pro、A16 Bionic、R1、M1シリーズ、M2シリーズ、M3シリーズチップについてすべて学びましょう。Apple Siliconが搭載するすべてのデバイス、オペレーティングシステム、ツール、ゲーム、ソフトウェアと合わせて。
Apple Core ML と Neural Engine 上でのローカルな Laya 型付き意思決定。移植版を検証済み。M3 Max では短い意思決定を約 5 ms で実行し、速度とエネルギー消費の再現可能なベンチマークを実施。
CLI または Python パッケージとして、さまざまな素晴らしい事前トレーニング済みモデル (主に UVR) を使用して、ステム (例: instrumental/vocals) を簡単に分離できます。
ONNXファイルをLiteRT/TFLite/TensorFlow、PyTorchネイティブコード(nn.Module)、TorchScript(.pt)、state_dict(.pt)、Exported Program(.pt2)、Dynamo ONNXに変換するためのツールです。また、LiteRTからPyTorchへの直接変換もサポートしています。
すべてのエージェントで共有できる単一ファイルのメモリレイヤー。Apple Silicon上で、テキスト、写真、動画に対するサブミリ秒のRAGを実現。サーバー不要。API不要。1ファイル。Pure Swift。
Node.js と C++ 向けの高速オフライン OCR。Core ML / WebGPU ハードウェアアクセラレーション対応の PP-OCRv6 — 画像内のテキストを信頼度スコアと座標付きで認識します。npm: @arcships/light-ocr
Appleシリコンでのローカルなコンピューター操作:macOSのアクセシビリティAPIを介し、layaでデバイス上の型付き意思決定を行い、CUA-S1-FORMSでフォームに入力
CPU、GPU、NPU のピーク演算性能、メモリ帯域幅、レイテンシ:デバイスにアクセスするすべての API を通じて同じテストを実行。Windows、macOS、Linux、Android 向けのコマンドラインツールとアプリ
Ultralytics YOLO iOSアプリとSwiftパッケージ。主要なコンピュータビジョンタスクにおけるリアルタイムCore ML推論用。
主要なビジョンタスクにおけるAndroidおよびiOS上でのリアルタイム推論に対応した、Ultralytics公式のYOLO Flutterプラグイン。
🔎 SimilaritySearchKitは、iOSおよびmacOSアプリケーション向けに、デバイス上でのテキスト埋め込みとセマンティック検索機能を提供するSwiftパッケージです。
よくある質問
GitHubで最も人気のある#coremlリポジトリは何ですか?
GitHubで最も上位にランクインしているオープンソースの#coremlプロジェクトは、58,290個のスターを獲得しているultralytics/yolov5です。PyTorchベースのUltralytics YOLOv5。物体検出、インスタンスセグメンテーション、分類、トレーニング、エクスポートに対応。
#coremlリポジトリで最もよく使われているプログラミング言語は何ですか?
GitHubで上位にランクインしている#coremlプロジェクトでは、Swift, Python, C++, JavaScriptが最も一般的なプログラミング言語です。
#coremlリポジトリのランキングはどのように算出されていますか?
#coremlのタグが付いた38件のアクティブなオープンソースリポジトリ(スター500個以上)を追跡しています。合計スター数は188,710個で、リポジトリあたりの平均は4,966個です。ランキングはGitHub APIからのデータに基づいて毎日更新されます。