#tinyml Repositórios
Descubra 14 repositórios ativos de código aberto no GitHub marcados com #tinyml, acumulando um total de 57,130 estrelas (uma média de 4,080 por projeto). O líder deste tópico é harvard-edge/cs249r_book, com 30,283 estrelas.
14 repositórios no total
Sistemas de aprendizado de máquina: fundamentos, escalabilidade, IA agêntica e IA física (vols. I–IV) • Harvard CS249r | https://mlsysbook.ai
Inteligência agêntica, de voz e visão com menos de 50 MB para dispositivos de consumo.
Biblioteca de inferência leve para arquivos ONNX, escrita em C++. Ela pode executar o Stable Diffusion XL 1.0 em um RPI Zero 2 (ou com 298MB de RAM), mas também o Mistral 7B em desktops e servidores. Suporte para ARM, x86, WASM, RISC-V. Acelerado por XNNPACK. Bindings para Python, C# e JS(WASM) disponíveis.
Z80-μLM é um modelo de linguagem quantificado de 2 bits pequeno o suficiente para rodar em um processador Z80 de 8 bits. Treine modelos de conversação em Python, exporte-os como binários CP/M .COM e converse com seu computador vintage.
Uma biblioteca leve apenas de cabeçalho para usar modelos Keras (TensorFlow) em C++.
TinyMaix é uma biblioteca de inferência minúscula para microcontroladores (TinyML).
Esta é uma lista de artigos e projetos interessantes sobre TinyML.
[NeurIPS 2020] MCUNet: Aprendizagem Profunda Minúscula em Dispositivos IoT; [NeurIPS 2021] MCUNetV2: Inferência Baseada em Patches com Eficiência de Memória para Aprendizagem Profunda Minúscula; [NeurIPS 2022] MCUNetV3: Treinamento no Dispositivo com Menos de 256KB de Memória
sanoTTS (सानो significa «pequeno» em nepalês): um sistema neural de conversão de texto em fala com entre 294 mil e 2,27 milhões de parâmetros, que funciona em um chip de US$ 3, no navegador ou em Python, com streaming de baixa latência.
Mecanismo de inferência de Aprendizado de Máquina para Microcontroladores e Dispositivos Embarcados
[NeurIPS 2020] MCUNet: Aprendizagem Profunda Minúscula em Dispositivos IoT; [NeurIPS 2021] MCUNetV2: Inferência Baseada em Patch Eficiente em Memória para Aprendizagem Profunda Minúscula
Biblioteca de aprendizado profundo TinyML independente de fornecedor, compilador e framework de inferência para microcomputadores e microcontroladores
Perguntas Frequentes
Qual é o repositório de #tinyml mais popular no GitHub?
O projeto de código aberto de #tinyml mais bem classificado no GitHub é harvard-edge/cs249r_book, com 30,283 estrelas. Sistemas de aprendizado de máquina: fundamentos, escalabilidade, IA agêntica e IA física (vols. I–IV) • Harvard CS249r | https://mlsysbook.ai
Quais linguagens de programação são mais usadas nos repositórios de #tinyml?
Entre os projetos de #tinyml mais bem classificados no GitHub, as linguagens de programação mais comuns são Python, C++, C.
Como é calculada a classificação dos repositórios de #tinyml?
Acompanhamos 14 repositórios ativos de código aberto marcados com #tinyml (com mais de 500 estrelas), totalizando 57,130 estrelas e uma média de 4,080 estrelas por repositório. As classificações são atualizadas diariamente a partir da API do GitHub.