#tensorrt 저장소
#tensorrt 태그가 지정된 GitHub의 활성 오픈 소스 저장소 80개를 확인해 보세요. 총 302,483개의 스타를 획득했으며 프로젝트당 평균 3,781개입니다. 이 주제를 이끄는 저장소는 58,290개의 스타를 받은 ultralytics/yolov5입니다.
저장소 총 80개
NVIDIA® TensorRT™는 NVIDIA GPU에서 고성능 딥러닝 추론을 위한 SDK입니다. 이 저장소에는 TensorRT의 오픈 소스 구성 요소가 포함되어 있습니다.
실시간 객체 탐지를 위한 YOLOv3, YOLOv3-SPP 및 YOLOv3-tiny의 PyTorch 구현으로, 학습, 검증, 추론 및 다중 형식 내보내기를 지원합니다.
YOLOX는 MegEngine, ONNX, TensorRT, ncnn 및 OpenVINO를 지원하는 고성능 앵커 없는 YOLO로, yolov3~v5를 능가합니다. 문서: https://yolox.readthedocs.io/
TensorRT와 NVIDIA Jetson을 사용한 딥러닝 추론 네트워크 및 딥 비전 기본 요소 배포 가이드: Hello AI World
📄 ONNX Runtime, OpenVINO, MNN, PaddlePaddle, TensorRT 및 PyTorch를 기반으로 한 여러 프로그래밍 언어 지원 멋진 OCR 툴킷.
BoxMOT: 축 정렬 박스와 방향성 박스를 지원하는 Python 및 C++용 플러그형 다중 객체 추적 솔루션으로, 이제 Helm 배포를 통해 Kubernetes에서 카메라를 지속적으로 추적할 수 있습니다.
CV, NLP, LLM 분야의 프로젝트 적용이나 진보된 엔지니어링 배포 및 구현을 위한 완벽 초보자이든, '파이토치 실용 가이드'(2판)에서 모두 다룰 수 있습니다. 이 책의 도움을 통해 독자들은 파이토치 사용을 쉽게 익히고 훌륭한 딥러닝 엔지니어가 될 수 있을 것이라고 믿습니다.
TNN: Tencent Youtu Lab 및 Guangying Lab에서 개발한 모바일, 데스크톱 및 서버용 통합 딥러닝 추론 프레임워크입니다. TNN은 크로스 플랫폼 기능, 높은 성능, 모델 압축 및 코드 가지치기를 포함한 몇 가지 뛰어난 기능으로 구별됩니다. ncnn 및 Rapidnet을 기반으로 TNN은 모바일 장치에 대한 지원 및 성능 최적화를 더욱 강화하며, 기존 오픈 소스 노력의 우수한 확장성 및 고성능 이점도 활용합니다.
경량 C++ AI 툴킷: MNN, ORT 및 TRT를 사용한 100개 이상의 모델, Det, Seg, Stable-Diffusion, Face-Fusion 포함.
DAMO-YOLO: NAS 백본, 효율적인 RepGFPN, ZeroHead, AlignedOTA 및 증류 향상을 포함한 몇 가지 새로운 기술을 갖춘 빠르고 정확한 객체 감지 방법.
🍅🍅🍅YOLOv5-Lite: yolov5에서 발전되었으며 모델 크기는 900+kb(int8) 및 1.7M(fp16)에 불과합니다. Raspberry Pi 4B에서 15 FPS 달성~
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
Tensorflow 2.0, Android에서 구현된 YOLOv4, YOLOv4-tiny, YOLOv3, YOLOv3-tiny. YOLO v4 .weights를 tensorflow, tensorrt 및 tflite로 변환
YOLO 모델을 위한 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 구현
세 가지 GPU 가속 Lidar/카메라 DL 네트워크(PointPillars, CenterPoint, BEVFusion)와 관련 라이브러리(cuPCL, 3D SparseConvolution, YUV2RGB, cuOSD)를 포함한 Lidar 관련 AI 솔루션을 시연하는 프로젝트입니다.
간편하고 사용하기 쉬운 고성능 AI 배포 프레임워크 | An Easy-to-Use and High-Performance AI Deployment Framework
🚀🚀🚀 일부 훌륭한 공개 YOLO 객체 감지 시리즈 프로젝트와 관련 객체 감지 데이터 세트 모음입니다.
🔥🔥🔥YOLO26(탐지/포즈/세그멘테이션/깊이/회전 바운딩 박스/분류), YOLOv11, YOLOv10, YOLOv9, YOLOv8 등을 위한 TensorRT 🚀🚀🚀 CUDA만 있으면 됩니다. 🍎🍎🍎
YOLO 시리즈 (YOLOv11, YOLOv10, YOLOv9, YOLOv8, YOLOv7, YOLOv6, YOLOX, YOLOv5)용 TensorRT, NMS 플러그인 지원
자주 묻는 질문
GitHub에서 가장 인기 있는 #tensorrt 저장소는 무엇인가요?
GitHub에서 가장 높은 순위의 오픈 소스 #tensorrt 프로젝트는 58,290개의 스타를 받은 ultralytics/yolov5입니다. PyTorch 기반 Ultralytics YOLOv5: 객체 탐지, 인스턴스 분할, 분류, 학습 및 내보내기 지원.
#tensorrt 저장소에서 가장 많이 사용되는 프로그래밍 언어는 무엇인가요?
GitHub에서 순위가 가장 높은 #tensorrt 프로젝트 중 가장 일반적으로 사용되는 프로그래밍 언어는 Python, C++, Jupyter Notebook입니다.
#tensorrt 저장소 순위는 어떻게 계산되나요?
#tensorrt 태그가 지정된 활성 오픈 소스 저장소(80개, 스타 500개 이상)를 추적하고 있습니다. 총 스타 수는 302,483개이며 저장소당 평균 3,781개입니다. 순위는 GitHub API를 통해 매일 업데이트됩니다.