#onnx 저장소
저장소 총 130개
micronet, 모델 압축 및 배포 라이브러리. 압축: 1、양자화: 양자화 인식 훈련(QAT), 고비트(>2b)(DoReFa/Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference)、저비트(≤2b)/삼원 및 이원(TWN/BNN/XNOR-Net); 훈련 후 양자화(PTQ), 8-bit(tensorrt); 2、 가지치기: 일반、규칙적 및 그룹 컨볼루션 채널 가지치기; 3、 그룹 컨볼루션 구조; 4、배치 정규화 융합을 위한 양자화. 배포: tensorrt, fp32/fp16/in
C++로 작성된 ONNX 파일용 경량 추론 라이브러리입니다. RPI Zero 2 (또는 298MB RAM)에서 Stable Diffusion XL 1.0을 실행할 수 있을 뿐만 아니라 데스크톱 및 서버에서 Mistral 7B도 실행할 수 있습니다. ARM, x86, WASM, RISC-V를 지원합니다. XNNPACK으로 가속됩니다. Python, C# 및 JS(WASM) 바인딩을 사용할 수 있습니다.
100만 파라미터 OCR 모델 — CPU에서 실행되며 Tesseract보다 15배 빠르고, 10억 개 이상의 파라미터를 가진 모델에 가까운 정확도를 제공합니다
MixTeX 다중 형식 LaTeX, ZhEn 및 표 OCR. Windows에서 로컬 오프라인으로 효율적인 CPU 기반 추론을 수행합니다.
사전 훈련된 EfficientNet, EfficientNet-Lite, MixNet, MobileNetV3 / V2, MNASNet A1 및 B1, FBNet, Single-Path NAS
Windows 앱에 로컬 모델 및 API를 사용하여 AI를 추가하는 방법을 배울 수 있는 Windows 개발자용 오픈 소스 프로젝트입니다.
Qualcomm® AI Hub 모델은 성능(지연 시간, 메모리 등)에 최적화되고 Qualcomm® 장치에 배포할 준비가 된 당사의 최첨단 머신러닝 모델 컬렉션입니다.
ONNX Runtime을 통해 Node.js / TypeScript에서 오픈 소스 Jev 호환 System-1 의사결정 모델인 Laya를 실행하세요
ONNX 파일을 LiteRT/TFLite/TensorFlow, PyTorch 네이티브 코드 (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2), Dynamo ONNX로 변환하는 도구입니다. 또한 LiteRT에서 PyTorch로의 직접 변환도 지원합니다.
CodeProject.AI Server는 소프트웨어 개발자가 자신의 애플리케이션에 포함 및 배포하여 AI의 힘으로 앱을 강화할 수 있는 독립형 서비스입니다.
텍스트, 이미지, 동영상을 지원하는 0.8B~27B 규모의 오픈 멀티모달 의사결정 모델입니다. 텍스트를 생성하는 대신 자체 후보에 확률을 부여해 판단하고, 바운딩 박스로 위치를 찾습니다. 무료 API, ONNX, GGUF, vLLM, SGLang을 지원하며 파인튜닝 코드도 포함되어 있습니다.
YoloDotNet - 이미지 및 실시간 비디오 스트림 모두에서 분류, 객체 감지, OBB 감지, 세분화 및 포즈 추정을 위한 C# .NET 8.0 프로젝트입니다.