#onnx リポジトリ
リポジトリ合計130件
micronet、モデル圧縮およびデプロイライブラリ。圧縮:1、量子化:量子化認識トレーニング(QAT)、高ビット(>2b)(DoReFa/Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference)、低ビット(≤2b)/三値および二値(TWN/BNN/XNOR-Net);トレーニング後量子化(PTQ)、8ビット(tensorrt);2、プルーニング:通常、規則的およびグループ畳み込みチャネルプルーニング;3、グループ畳み込み構造;4、量子化のためのバッチ正規化融合。デプロイ:tensorrt, fp32/fp16/in
C++で書かれたONNXファイル用の軽量推論ライブラリ。RPI Zero 2(または298MBのRAM)でStable Diffusion XL 1.0を実行できるだけでなく、デスクトップやサーバーでMistral 7Bを実行することもできます。ARM、x86、WASM、RISC-Vをサポート。XNNPACKによって高速化されます。Python、C#、JS(WASM)バインディングが利用可能です。
MixTeX マルチモーダル LaTeX、ZhEn、およびテーブルOCR。Windowsでローカルオフラインで効率的なCPUベースの推論を実行します。
障害のあるゲーマーのためのユニバーサル セカンド アイ (ユニバーサル AI エイム アライナー (AI Aimbot) - ONNX/YOLOv8 - C#)
事前訓練済み EfficientNet、EfficientNet-Lite、MixNet、MobileNetV3 / V2、MNASNet A1 および B1、FBNet、Single-Path NAS
Windows アプリにローカル モデルと API を使用して AI を追加する方法を学習するための、Windows 開発者向けのオープンソース プロジェクトです。
Qualcomm® AI Hub Modelsは、パフォーマンス(レイテンシ、メモリなど)が最適化され、Qualcomm®デバイスに展開できる最先端の機械学習モデルのコレクションです。
ONNX Runtime を介して、オープンソースで Jev 互換の System-1 意思決定モデル Laya を Node.js / TypeScript から実行
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。
CodeProject.AI Serverは、ソフトウェア開発者がアプリケーションに組み込んで配布し、AIの力でアプリケーションを強化できるようにするスタンドアロンサービスです。
テキスト、画像、動画に対応した、0.8B~27Bのオープンなマルチモーダル意思決定モデル。テキストを生成する代わりに、独自の候補に確率を割り当てて判断し、バウンディングボックスで位置を特定します。無料API、ONNX、GGUF、vLLM、SGLangに対応。ファインチューニング用コードも付属。
YoloDotNet - 画像とライブビデオストリームの両方での分類、オブジェクト検出、OBB検出、セグメンテーション、ポーズ推定のためのC# .NET 8.0プロジェクト。