#coreml Репозитории
Откройте для себя 38 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #coreml, с общим числом 188,710 звёзд (в среднем 4,966 на проект). Лидером этой темы является ultralytics/yolov5, набравший 58,290 звёзд.
Всего репозиториев: 38
Ultralytics YOLOv5 в PyTorch для обнаружения объектов, сегментации экземпляров, классификации, обучения и экспорта.
Визуализатор для моделей нейронных сетей, глубокого обучения и машинного обучения
Реализация YOLOv3, YOLOv3-SPP и YOLOv3-tiny на PyTorch для обнаружения объектов в реальном времени с поддержкой обучения, валидации, инференса и экспорта в различные форматы.
Быстрая, масштабируемая, высокопроизводительная библиотека Gradient Boosting на деревьях решений, используемая для ранжирования, классификации, регрессии и других задач машинного обучения для Python, R, Java, C++. Поддерживает вычисления на CPU и GPU.
MMdnn — это набор инструментов, помогающих пользователям взаимодействовать между различными фреймворками глубокого обучения. Например, конвертация и визуализация моделей. Конвертировать модели между Caffe, Keras, MXNet, Tensorflow, CNTK, PyTorch, ONNX и CoreML.
Инструменты Core ML содержат вспомогательные инструменты для преобразования, редактирования и валидации моделей Core ML.
Репозиторий для хранения моделей, которые были взаимно преобразованы между различными фреймворками. Поддерживаемые фреймворки: TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite (Float32/16/INT8), EdgeTPU, CoreML.
TNN: разработанный Tencent Youtu Lab и Guangying Lab, унифицированный фреймворк для инференса глубокого обучения для мобильных устройств, настольных компьютеров и серверов. TNN отличается несколькими выдающимися особенностями, включая кроссплатформенность, высокую производительность, сжатие моделей и обрезку кода. Основываясь на ncnn и Rapidnet, TNN еще больше усиливает поддержку и оптимизацию производительности для мобильных устройств, а также использует преимущества хорошей расширяемости и высокой производительности существующих усилий по разработке открытого исходного кода.
Аудиомодели Frontier CoreML в ваших приложениях — преобразование текста в речь, преобразование речи в текст, обнаружение голосовой активности и диаризация дикторов. В Swift, на базе современных открытых исходных кодов.
📚 Куратированный список статей, руководств и репозиториев, которые могут помочь вам глубже погрузиться в iOS [и платформы Apple]。
Используйте AnimeGANv3 для создания собственных анимационных работ, включая преобразование фотографий или видео в аниме.
Core ML model zoo для iOS/macOS — модели PyTorch, преобразованные в готовые к использованию .mlpackage, каждая из которых включает скрипт конвертации и пример приложения на SwiftUI. Связанные репозитории охватывают фреймворк Core AI от Apple (iOS/macOS 27) и локальные LLM.
Руководство по Apple Silicon. Узнайте все о чипах A17 Pro, A16 Bionic, R1, сериях M1, M2 и M3. А также обо всех устройствах, операционных системах, инструментах, играх и программном обеспечении, которые работают на Apple Silicon.
Локальные типизированные решения Laya на Apple Core ML и Neural Engine. Проверенные порты, короткие решения примерно за 5 мс на M3 Max, а также воспроизводимые бенчмарки скорости и энергопотребления.
Простое разделение треков (например, инструментал/вокал) из командной строки или в виде пакета Python с использованием множества удивительных предварительно обученных моделей (в основном из UVR)
Пакет Swift для реализации API, похожего на transformers, на Swift
Инструментарий ИИ для речи на Apple Silicon — ASR, TTS, речь-в-речь, VAD и диаризация на базе MLX и CoreML
Визуальный язык программирования, написанный на Swift, который собирается в исполняемый код Swift.
Официальная реализация PyTorch "EdgeSAM: дистилляция с помощью промптов в цикле для развертывания SAM на устройстве"
Инструмент для конвертации файлов ONNX в LiteRT/TFLite/TensorFlow, нативный код PyTorch (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2) и Dynamo ONNX. Также поддерживает прямую конвертацию из LiteRT в PyTorch.
Подобранная коллекция ресурсов iOS, ML и AR, дополненная некоторыми элементами UI.
Камера, разработанная на Swift, предназначена для простого интегрирования моделей CoreML, а также для потоковой передачи изображений, обнаружения QR/Barcode и многих других функций.
Оптимизированные модели Whisper для потоковой передачи и использования на устройствах
Общий однофайловый слой памяти для всех ваших агентов, RAG с задержкой менее миллисекунды для текста, фотографий и видео на Apple Silicon. Без сервера. Без API. Один файл. Чистый Swift.
Быстрый офлайн-OCR для Node.js и C++. PP-OCRv6 с аппаратным ускорением Core ML / WebGPU — распознаёт текст на изображениях, предоставляя оценки уверенности и координаты. npm: @arcships/light-ocr
Локальное управление компьютером на Apple silicon: типизированные решения на устройстве с помощью laya и заполнение форм с помощью CUA-S1-FORMS через API универсального доступа macOS
Пиковая вычислительная производительность, пропускная способность памяти и задержка CPU, GPU и NPU: одни и те же тесты через каждый API, обеспечивающий доступ к устройству. Командная строка и приложение для Windows, macOS, Linux и Android
Приложение Ultralytics YOLO для iOS и пакет Swift для вывода Core ML в реальном времени в основных задачах компьютерного зрения.
Официальный плагин Ultralytics YOLO для Flutter, обеспечивающий вывод в реальном времени на Android и iOS для основных задач компьютерного зрения.
🔎 SimilaritySearchKit — это пакет Swift, предоставляющий встроенные текстовые векторы и функциональность семантического поиска для приложений iOS и macOS.
Часто задаваемые вопросы
Какой репозиторий по теме #coreml наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #coreml на GitHub — ultralytics/yolov5, набравший 58,290 звёзд. Ultralytics YOLOv5 в PyTorch для обнаружения объектов, сегментации экземпляров, классификации, обучения и экспорта.
Какие языки программирования чаще всего используются в репозиториях по теме #coreml?
Среди наиболее высоко оценённых проектов по теме #coreml на GitHub чаще всего используются языки программирования Swift, Python, C++, JavaScript.
Как рассчитывается рейтинг репозиториев по теме #coreml?
Мы отслеживаем 38 активных репозиториев с открытым исходным кодом, отмеченных тегом #coreml (500 и более звёзд), с общим числом 188,710 звёзд и в среднем 4,966 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.