#onnx Repositórios
Descubra 130 repositórios ativos de código aberto no GitHub marcados com #onnx, acumulando um total de 603,969 estrelas (uma média de 4,645 por projeto). O líder deste tópico é ultralytics/yolov5, com 58,290 estrelas.
130 repositórios no total
Ultralytics YOLOv5 no PyTorch para detecção de objetos, segmentação de instâncias, classificação, treinamento e exportação.
O repositório fornece código para executar inferência com o SegmentAnything Model (SAM), links para download dos checkpoints do modelo treinado e notebooks de exemplo que mostram como usar o modelo.
Visualizador para modelos de redes neurais, aprendizado profundo e aprendizado de máquina
ncnn é uma estrutura de inferência de rede neural de alto desempenho otimizada para a plataforma móvel
ONNX Runtime: acelerador de inferência e treinamento de ML multiplataforma e de alto desempenho
Burn é uma biblioteca de tensores de próxima geração e um framework de Deep Learning que não compromete a flexibilidade, a eficiência e a portabilidade.
Reconhecimento de fala para texto, texto para fala, diarização de falantes, aprimoramento de fala, separação de fontes e VAD usando a próxima geração do Kaldi com onnxruntime sem conexão com a Internet. Suporte para sistemas embarcados, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, NPU RK, NPU Axera, NPU Ascend, servidores x86_64, servidor/cliente websocket, suporte para 12 linguagens de programação
Estrutura unificada para a construção de pipelines RAG empresariais com modelos pequenos e especializados
TTS multilíngue ultrarrápido no dispositivo — rodando nativamente via ONNX.
LangChain4j é uma biblioteca Java idiomática e de código aberto para construir aplicativos alimentados por LLM na JVM. Ela oferece uma API unificada sobre provedores LLM populares e armazenamentos de vetores, e facilita a implementação de chamadas de ferramentas (incluindo suporte a MCP), agentes e RAG. Ela se integra perfeitamente com frameworks Java empresariais como Quarkus e Spring Boot.
🏄 Embeddings, raciocínio e classificação escaláveis para imagens e frases com CLIP
Aplicativo de tradução em tempo real de código aberto para Android que roda localmente
Implementação em PyTorch de YOLOv3, YOLOv3-SPP e YOLOv3-tiny para detecção de objetos em tempo real com treinamento, validação, inferência e exportação em múltiplos formatos.
YOLOX é um YOLO de alto desempenho e sem âncoras, superando o yolov3~v5 com suporte para MegEngine, ONNX, TensorRT, ncnn e OpenVINO. Documentação: https://yolox.readthedocs.io/
Código de acompanhamento em "Tutorial prático de treinamento de modelos Pytorch"
Pacote Go para visão computacional usando OpenCV 4 e além. Inclui suporte para DNN, CUDA, OpenCV Contrib e OpenVINO.
Remova fundos de imagens diretamente no ambiente do navegador com facilidade e sem custos adicionais ou preocupações com a privacidade. Explore uma demonstração interativa.
[AAAI 2025] Implementação oficial de "OOTDiffusion: Difusão Latente Baseada em Fusão de Vestuário para Prova Virtual Controlável"
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.
Biblioteca Python de aprendizado de máquina simples e distribuída que porta algoritmos de ML para Spark
Um companheiro de desktop com IA, autônomo e ciente do contexto. Desenvolvido em Python, oferece visão de tela em tempo real, síntese de voz ONNX personalizada, rastreamento da janela ativa e uma interface flutuante dinâmica com expressões faciais reativas.
Deep Learning Visualization Toolkit (Ferramenta de Visualização de Aprendizado Profundo da 'Fei’e')
A RuVector oferece tomada de decisões e memória de agentes de alto desempenho em tempo real, IA autodidata e um banco de dados GNN vetorial desenvolvido em Rust.
Um plugin para OBS para remover o fundo em imagens (vídeos) de retrato, facilitando a substituição do fundo ao gravar ou transmitir.
Um modelo TTS multilíngue com 100 milhões de parâmetros para inferência em tempo real na CPU, clonagem de voz e geração estéreo a 48 kHz
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.
O "Tutorial Prático de Pytorch" (Segunda Edição) abrange desde a introdução para iniciantes completos, aplicações em projetos de CV, NLP e LLM, até a implantação e engenharia avançada. Acreditamos que, com a ajuda deste livro, os leitores serão capazes de dominar facilmente o uso do PyTorch e se tornar excelentes engenheiros de aprendizado profundo.
Tengine é um motor de inferência leve, de alto desempenho e modular para dispositivos embarcados
Um kit de ferramentas de IA leve em C++: mais de 100 modelos com MNN, ORT e TRT, incluindo Det, Seg, Stable-Diffusion, Face-Fusion.
Um kit de ferramentas de compilação e tempo de execução de aprendizado de máquina baseado em MLIR, com capacidade de retargeting.
Rotulagem de dados guiada por IA sem esforço, com suporte de IA de YOLO, Segment Anything (SAM+SAM2/2.1+SAM3) e MobileSAM!!
🚀 Acelere a inferência e o treinamento de 🤗 Transformers, Diffusers, TIMM e Sentence Transformers com ferramentas de otimização de hardware fáceis de usar
DAMO-YOLO: um método de detecção de objetos rápido e preciso com algumas novas tecnologias, incluindo backbones NAS, RepGFPN eficiente, ZeroHead, AlignedOTA e aprimoramento por destilação.
Implementação oficial em PyTorch de Towards Fast, Accurate and Stable 3D Dense Face Alignment, ECCV 2020.
[Nomeação para Melhor Artigo CVPR 2025] FoundationStereo: Correspondência Estéreo Zero-Shot
AudioMuse-AI usa análise sonora para redescobrir músicas esquecidas, descobrir conexões ocultas em sua biblioteca musical e gerar playlists inteligentes para Navidrome, Jellyfin, LMS, Lyrion, Emby e Plex: nenhum metadado ou serviço externo necessário.
Perguntas Frequentes
Qual é o repositório de #onnx mais popular no GitHub?
O projeto de código aberto de #onnx mais bem classificado no GitHub é ultralytics/yolov5, com 58,290 estrelas. Ultralytics YOLOv5 no PyTorch para detecção de objetos, segmentação de instâncias, classificação, treinamento e exportação.
Quais linguagens de programação são mais usadas nos repositórios de #onnx?
Entre os projetos de #onnx mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, C++, Rust, Jupyter Notebook.
Como é calculada a classificação dos repositórios de #onnx?
Acompanhamos 130 repositórios ativos de código aberto marcados com #onnx (com mais de 500 estrelas), totalizando 603,969 estrelas e uma média de 4,645 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.