#onnx Репозитории
Откройте для себя 130 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #onnx, с общим числом 603,969 звёзд (в среднем 4,645 на проект). Лидером этой темы является ultralytics/yolov5, набравший 58,290 звёзд.
Всего репозиториев: 130
Ultralytics YOLOv5 в PyTorch для обнаружения объектов, сегментации экземпляров, классификации, обучения и экспорта.
Репозиторий предоставляет код для выполнения инференса с помощью модели SegmentAnything (SAM), ссылки для загрузки контрольных точек обученной модели и примеры блокнотов, демонстрирующих, как использовать модель.
Визуализатор для моделей нейронных сетей, глубокого обучения и машинного обучения
ncnn — это высокопроизводительный фреймворк для инференса нейронных сетей, оптимизированный для мобильных платформ
ONNX Runtime: кросс-платформенный, высокопроизводительный ускоритель для вывода и обучения ML
Burn — это тензорная библиотека нового поколения и фреймворк для глубокого обучения, который не идет на компромиссы в вопросах гибкости, эффективности и переносимости.
Преобразование речи в текст, преобразование текста в речь, диаризация дикторов, улучшение речи, разделение источников и VAD с использованием Kaldi следующего поколения с onnxruntime без подключения к Интернету. Поддержка встраиваемых систем, Android, iOS, HarmonyOS, Raspberry Pi, RISC-V, NPU RK, NPU Axera, NPU Ascend, серверов x86_64, сервера/клиента websocket, поддержка 12 языков программирования
Единая структура для создания корпоративных RAG-конвейеров с использованием небольших специализированных моделей
Молниеносно быстрый, локальный, многоязычный TTS — работает нативно через ONNX.
LangChain4j — это идиоматичная библиотека Java с открытым исходным кодом для создания приложений на базе LLM на JVM. Она предоставляет унифицированный API для популярных провайдеров LLM и векторных хранилищ, упрощая реализацию вызовов инструментов (включая поддержку MCP), агентов и RAG. Она бесшовно интегрируется с корпоративными фреймворками Java, такими как Quarkus и Spring Boot.
🏄 Масштабируемая встраиваемость, рассуждение, ранжирование для изображений и предложений с CLIP
Silero VAD: предварительно обученный детектор активности речи корпоративного уровня
Приложение для перевода в реальном времени с открытым исходным кодом для Android, которое работает локально
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.
YOLOX — это высокопроизводительный YOLO без якоря, превосходящий yolov3~v5 с поддержкой MegEngine, ONNX, TensorRT, ncnn и OpenVINO. Документация: https://yolox.readthedocs.io/
Сопутствующий код в «Практическом руководстве по обучению моделей PyTorch»
Пакет Go для компьютерного зрения с использованием OpenCV 4 и выше. Включает поддержку DNN, CUDA, OpenCV Contrib и OpenVINO.
Удаляйте фон изображений прямо в браузере с легкостью, без дополнительных затрат и проблем с конфиденциальностью. Изучите интерактивную демонстрацию.
[AAAI 2025] Официальная реализация "OOTDiffusion: Outfitting Fusion based Latent Diffusion for Controllable Virtual Try-on"
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.
Простая и распределенная библиотека машинного обучения на Python для переноса алгоритмов ML в Spark
Автономный ИИ-компаньон для рабочего стола, учитывающий контекст. Разработан на Python и оснащён распознаванием содержимого экрана в реальном времени, пользовательским синтезом речи ONNX, отслеживанием активного окна и динамическим плавающим интерфейсом с отзывчивой мимикой.
Инструментарий визуализации глубокого обучения (『飞桨』 инструмент визуализации глубокого обучения )
RuVector предоставляет высокопроизводительное принятие решений в реальном времени и память агентов, самообучающийся ИИ и векторную базу данных GNN, созданную на Rust.
Плагин OBS для удаления фона на портретных изображениях (видео), позволяющий легко заменить фон при записи или трансляции.
Многоязычная TTS-модель со 100 миллионами параметров для вывода в реальном времени на CPU, клонирования голоса и генерации стереозвука с частотой 48 кГц
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.
Независимо от того, являетесь ли вы абсолютным новичком, применяете проекты в области CV, NLP, LLM или стремитесь к продвинутому инженерному развертыванию и внедрению, здесь вы найдете все в «Практическом руководстве по Pytorch» (2-е издание). Мы верим, что с помощью этой книги читатели смогут легко освоить использование PyTorch и стать отличными инженерами глубокого обучения.
Tengine — это легкий, высокопроизводительный, модульный движок вывода для встроенных устройств.
Легкий C++ набор инструментов ИИ: более 100 моделей с MNN, ORT и TRT, включая Det, Seg, Stable-Diffusion, Face-Fusion.
Переориентируемый компилятор и набор инструментов времени выполнения на основе MLIR для машинного обучения.
Незатратное маркирование данных с помощью ИИ, поддерживаемое YOLO, Segment Anything (SAM+SAM2/2.1+SAM3) и MobileSAM!!
🚀 Ускорьте вывод и обучение 🤗 Transformers, Diffusers, TIMM и Sentence Transformers с помощью простых в использовании инструментов аппаратной оптимизации
QualityScaler - приложение для масштабирования изображений/видео с помощью ИИ
DAMO-YOLO: быстрый и точный метод обнаружения объектов с некоторыми новыми технологиями, включая бэкбоны NAS, эффективный RepGFPN, ZeroHead, AlignedOTA и улучшение дистилляцией.
Официальная реализация PyTorch для Towards Fast, Accurate and Stable 3D Dense Face Alignment, ECCV 2020.
[Номинация на лучшую статью CVPR 2025] FoundationStereo: Беспримесное стереосопоставление (Zero-Shot Stereo Matching)
AudioMuse-AI использует звуковой анализ для повторного открытия забытых песен, выявления скрытых связей в вашей музыкальной библиотеке и создания интеллектуальных плейлистов для Navidrome, Jellyfin, LMS, Lyrion, Emby и Plex: не требуются метаданные или внешние сервисы.
Часто задаваемые вопросы
Какой репозиторий по теме #onnx наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #onnx 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 #onnx?
Среди наиболее высоко оценённых проектов по теме #onnx на GitHub чаще всего используются языки программирования Python, C++, Rust, Jupyter Notebook.
Как рассчитывается рейтинг репозиториев по теме #onnx?
Мы отслеживаем 130 активных репозиториев с открытым исходным кодом, отмеченных тегом #onnx (500 и более звёзд), с общим числом 603,969 звёзд и в среднем 4,645 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.