#tensorrt Repositórios
Descubra 80 repositórios ativos de código aberto no GitHub marcados com #tensorrt, acumulando um total de 302,483 estrelas (uma média de 3,781 por projeto). O líder deste tópico é ultralytics/yolov5, com 58,290 estrelas.
80 repositórios no total
Ultralytics YOLOv5 no PyTorch para detecção de objetos, segmentação de instâncias, classificação, treinamento e exportação.
NVIDIA® TensorRT™ é um SDK para inferência de deep learning de alto desempenho em GPUs NVIDIA. Este repositório contém os componentes de código aberto do TensorRT.
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.
StreamDiffusion: Uma Solução de Nível de Pipeline para Geração Interativa em Tempo Real
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/
Guia do Hello AI World para implantação de redes de inferência de deep learning e primitivas de deep vision com TensorRT e NVIDIA Jetson.
📄 Ferramenta OCR incrível para múltiplas linguagens de programação baseada em ONNX Runtime, OpenVINO, MNN, PaddlePaddle, TensorRT e PyTorch.
BoxMOT: rastreamento multiobjeto modular em Python e C++ para caixas alinhadas aos eixos e orientadas, agora com implantação via Helm para rastreamento contínuo de câmeras no Kubernetes.
Código de acompanhamento em "Tutorial prático de treinamento de modelos Pytorch"
Implementação de redes populares de aprendizado profundo com a API de definição de rede do TensorRT
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.
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.
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.
Fluxos de trabalho de referência de IA generativa otimizados para infraestrutura acelerada e arquitetura de microsserviços.
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.
[Nomeação para Melhor Artigo CVPR 2025] FoundationStereo: Correspondência Estéreo Zero-Shot
projetos de visão computacional | Projetos de IA divertidos e interessantes relacionados à visão computacional (Python, C++, sistemas embarcados)
Transforme qualquer computador ou dispositivo de borda em um centro de comando para seus projetos de visão computacional.
🍅🍅🍅YOLOv5-Lite: Evoluído do yolov5 e o tamanho do modelo é de apenas 900+kb (int8) e 1.7M (fp16). Atinge 15 FPS no Raspberry Pi 4B~
YOLO5Face: Por Que Reinventar um Detector de Rosto (https://arxiv.org/abs/2105.12931) Workshops do ECCV 2022)
micronet, uma biblioteca de compressão e implantação de modelos. compressão: 1、quantização: treinamento ciente de quantização (QAT), High-Bit(>2b)(DoReFa/Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference), Low-Bit(≤2b)/Ternary and Binary(TWN/BNN/XNOR-Net); quantização pós-treinamento (PTQ), 8-bit(tensorrt); 2、 poda: poda de canal de convolução normal, regular e em grupo; 3、 estrutura de convolução em grupo; 4、 fusão de normalização em lote para quantização. implantação: tensorrt, fp32/fp16/in
YOLOv4, YOLOv4-tiny, YOLOv3, YOLOv3-tiny Implementado em Tensorflow 2.0, Android. Converter YOLO v4 .weights para tensorflow, tensorrt e tflite
Implementação 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 para modelos YOLO
Um projeto que demonstra soluções de IA relacionadas a Lidar, incluindo três redes de DL Lidar/câmera aceleradas por GPU (PointPillars, CenterPoint, BEVFusion) e as bibliotecas relacionadas (cuPCL, 3D SparseConvolution, YUV2RGB, cuOSD,).
Um framework de implantação de IA fácil de usar e de alto desempenho | An Easy-to-Use and High-Performance AI Deployment Framework
🚀 Kit de Ferramentas de Implantação YOLO Mais Fácil e Rápido para NVIDIA 🛠️
🚀🚀🚀 Uma coleção de alguns projetos incríveis da série pública de detecção de objetos YOLO e os conjuntos de dados de detecção de objetos relacionados.
O WhisperFusion baseia-se nas capacidades do WhisperLive e WhisperSpeech para proporcionar conversas perfeitas com uma IA.
PaddleSlim é uma biblioteca de código aberto para compressão de modelos profundos e busca de arquitetura.
🔥🔥🔥TensorRT para YOLO26 (deteção/pose/segmentação/profundidade/caixas orientadas/classificação), YOLOv11, YOLOv10, YOLOv9, YOLOv8, ... 🚀🚀🚀 CUDA É TUDO O QUE VOCÊ PRECISA. 🍎🍎🍎
Você Planeja Apenas Uma Vez: Um Planejador de Quadrotor Baseado em Aprendizagem
Rastreamento de múltiplos objetos de alto desempenho baseado em YOLO, Deep SORT e KLT 🚀
tensorrt para a série yolo (YOLOv11,YOLOv10,YOLOv9,YOLOv8,YOLOv7,YOLOv6,YOLOX,YOLOv5), suporte a plugin NMS
Perguntas Frequentes
Qual é o repositório de #tensorrt mais popular no GitHub?
O projeto de código aberto de #tensorrt 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 #tensorrt?
Entre os projetos de #tensorrt mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, C++, Jupyter Notebook.
Como é calculada a classificação dos repositórios de #tensorrt?
Acompanhamos 80 repositórios ativos de código aberto marcados com #tensorrt (com mais de 500 estrelas), totalizando 302,483 estrelas e uma média de 3,781 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.