#openvino Repositórios
Descubra 27 repositórios ativos de código aberto no GitHub marcados com #openvino, acumulando um total de 109,429 estrelas (uma média de 4,052 por projeto). O líder deste tópico é llmware-ai/llmware, com 14,820 estrelas.
27 repositórios no total
Estrutura unificada para a construção de pipelines RAG empresariais com modelos pequenos e especializados
OpenVINO™ é um kit de ferramentas de código aberto para otimizar e implantar inferência de IA
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/
📄 Ferramenta OCR incrível para múltiplas linguagens de programação baseada em ONNX Runtime, OpenVINO, MNN, PaddlePaddle, TensorRT e PyTorch.
Pacote Go para visão computacional usando OpenCV 4 e além. Inclui suporte para DNN, CUDA, OpenCV Contrib e OpenVINO.
Uma biblioteca de detecção de anomalias que compreende algoritmos de ponta e recursos como gerenciamento de experimentos, otimização de hiperparâmetros e inferência de borda.
NanoDet-Plus⚡Modelo de detecção de objetos sem âncoras super rápido e leve. 🔥Apenas 980 KB (int8) / 1,8 MB (fp16) e executa a 97 FPS em celulares🔥
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.
TNN: desenvolvido pelo Tencent Youtu Lab e Guangying Lab, uma estrutura uniforme de inferência de aprendizado profundo para dispositivos móveis, desktop e servidor. O TNN se distingue por várias características notáveis, incluindo sua capacidade de plataforma cruzada (cross-platform), alto desempenho, compressão de modelo e poda de código (code pruning). Baseado em ncnn e Rapidnet, o TNN reforça ainda mais o suporte e a otimização de desempenho para dispositivos móveis, e também aproveita as vantagens de boa extensibilidade e alto desempenho de esforços de código aberto existentes.
Modelos de Deep Learning pré-treinados e demos (alta qualidade e extremamente rápidos)
Estimativa de pose humana rápida e precisa no PyTorch. Contém a implementação do artigo "Real-time 2D Multi-Person Pose Estimation on CPU: Lightweight OpenPose".
Um conjunto de efeitos, geradores e analisadores habilitados para IA para o Audacity®.
Um framework de implantação de IA fácil de usar e de alto desempenho | An Easy-to-Use and High-Performance AI Deployment Framework
Este curso foi projetado para guiar iniciantes através do excitante mundo da IA de Borda (Edge AI), cobrindo conceitos fundamentais, modelos populares, técnicas de inferência, aplicações específicas de dispositivos, otimização de modelos e o desenvolvimento de agentes inteligentes de IA de Borda.
Crie, treine, otimize e execute modelos de visão computacional localmente, desde imagens brutas até inferência em tempo real. Código aberto, otimizado para Intel® XPU (CUDA também é compatível).
Aplicativo inicial de IA para PC para criação de imagens por IA, estilização de imagens e chatbot em um PC equipado com uma GPU Intel® Arc™.
Um servidor de inferência escalável para modelos otimizados com OpenVINO™
A implementação de ANPR / ALPR mais rápida do mundo para CPUs, GPUs, VPUs e NPUs usando Transformers (ONNX, TensorFlow Lite, TensorRT, Hailo, OpenVINO, RKNN2...). Compatível com vários conjuntos de caracteres (latino, coreano e chinês), sistemas operacionais (Jetson, Android, Raspberry Pi, Linux e Windows) e arquiteturas (ARM, x86).
O Deep Learning Streamer (DL Streamer) Pipeline Framework é uma estrutura de análise de mídia de streaming de código aberto, baseada na estrutura multimídia GStreamer*, para a criação de pipelines complexas de análise de mídia para a Nuvem ou na Borda (Edge).
🤗 Optimum Intel: Acelere a inferência com ferramentas de otimização Intel
Perguntas Frequentes
Qual é o repositório de #openvino mais popular no GitHub?
O projeto de código aberto de #openvino mais bem classificado no GitHub é llmware-ai/llmware, com 14,820 estrelas. Estrutura unificada para a construção de pipelines RAG empresariais com modelos pequenos e especializados
Quais linguagens de programação são mais usadas nos repositórios de #openvino?
Entre os projetos de #openvino mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, C++, Jupyter Notebook, Go.
Como é calculada a classificação dos repositórios de #openvino?
Acompanhamos 27 repositórios ativos de código aberto marcados com #openvino (com mais de 500 estrelas), totalizando 109,429 estrelas e uma média de 4,052 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.