#caffe Repositórios
Descubra 24 repositórios ativos de código aberto no GitHub marcados com #caffe, acumulando um total de 160,514 estrelas (uma média de 6,688 por projeto). O líder deste tópico é CMU-Perceptual-Computing-Lab/openpose, com 33,619 estrelas.
24 repositórios no total
OpenPose: Biblioteca de detecção de pontos-chave multipessoa em tempo real para estimativa de corpo, rosto, mãos e pés
Cadernos Python de ciência de dados: Aprendizado profundo (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, conceitos essenciais de Python, AWS e várias linhas de comando.
ncnn é uma estrutura de inferência de rede neural de alto desempenho otimizada para a plataforma móvel
Roteiro de aprendizagem em Inteligência Artificial, com cerca de 200 casos práticos e projetos compilados, oferece materiais didáticos complementares gratuitos, para iniciantes e com foco na aplicação profissional! Inclui: Python, Matemática, Machine Learning, Análise de Dados, Deep Learning, Visão Computacional, Processamento de Linguagem Natural, PyTorch tensorflow machine-learning,deep-learning data-analysis data-mining mathematics data-science artificial-intelligence python tensorflow tensorflow2 caffe keras pytorch algorithm numpy pandas matplotlib seaborn nlp cv e outras áreas populares.
Guia do Hello AI World para implantação de redes de inferência de deep learning e primitivas de deep vision com TensorRT e NVIDIA Jetson.
MMdnn é um conjunto de ferramentas para ajudar os usuários a interoperar entre diferentes frameworks de deep learning. Por exemplo, conversão e visualização de modelos. Converta modelos entre Caffe, Keras, MXNet, Tensorflow, CNTK, PyTorch Onnx e CoreML.
Guia para iniciantes absolutos sobre aprendizado de máquina e classificação de imagens com redes neurais
Deep Learning Visualization Toolkit (Ferramenta de Visualização de Aprendizado Profundo da 'Fei’e')
Um repositório para armazenar modelos que foram interconvertidos entre vários frameworks. Os frameworks suportados são TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite (Float32/16/INT8), EdgeTPU, CoreML.
Ótimos projetos para recrutamento escolar, recrutamento de outono, recrutamento de primavera e estágios! Leva você a implementar do zero uma biblioteca de inferência de aprendizado profundo de alto desempenho, suportando inferência para modelos grandes como llama2, Unet, Yolov5, Resnet, etc. Implement a high-performance deep learning inference library step by step
Implementação em Caffe da rede de detecção MobileNet SSD do Google, com pesos pré-treinados no VOC0712 e mAP=0.727.
PPL Quantization Tool (PPQ) é uma poderosa ferramenta de quantização de rede neural offline.
Bolt é uma biblioteca de aprendizado profundo com alto desempenho e flexibilidade heterogênea.
Conversor de modelos de aprendizado profundo para PaddlePaddle. (Ferramenta de conversão de modelos de aprendizado profundo de 『FeiJiang』)
Aprendizagem de Recursos Conjunta de Detecção e Identificação para Pesquisa de Pessoas
Fabric for Deep Learning (FfDL, pronunciado 'fiddle') é uma Plataforma de Aprendizado Profundo que oferece TensorFlow, Caffe, PyTorch etc. como Serviço no Kubernetes
Perguntas Frequentes
Qual é o repositório de #caffe mais popular no GitHub?
O projeto de código aberto de #caffe mais bem classificado no GitHub é CMU-Perceptual-Computing-Lab/openpose, com 33,619 estrelas. OpenPose: Biblioteca de detecção de pontos-chave multipessoa em tempo real para estimativa de corpo, rosto, mãos e pés
Quais linguagens de programação são mais usadas nos repositórios de #caffe?
Entre os projetos de #caffe mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, C++, HTML, Java.
Como é calculada a classificação dos repositórios de #caffe?
Acompanhamos 24 repositórios ativos de código aberto marcados com #caffe (com mais de 500 estrelas), totalizando 160,514 estrelas e uma média de 6,688 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.