#tensorrt Репозитории
Откройте для себя 80 активных репозиториев с открытым исходным кодом на GitHub, отмеченных тегом #tensorrt, с общим числом 302,483 звёзд (в среднем 3,781 на проект). Лидером этой темы является ultralytics/yolov5, набравший 58,290 звёзд.
Всего репозиториев: 80
Ultralytics YOLOv5 в PyTorch для обнаружения объектов, сегментации экземпляров, классификации, обучения и экспорта.
NVIDIA® TensorRT™ — это SDK для высокопроизводительного вывода глубокого обучения на GPU NVIDIA. Этот репозиторий содержит компоненты с открытым исходным кодом TensorRT.
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.
StreamDiffusion: Решение на уровне конвейера для интерактивной генерации в реальном времени
YOLOX — это высокопроизводительный YOLO без якоря, превосходящий yolov3~v5 с поддержкой MegEngine, ONNX, TensorRT, ncnn и OpenVINO. Документация: https://yolox.readthedocs.io/
Руководство Hello AI World по развертыванию сетей вывода глубокого обучения и примитивов глубокого зрения с помощью TensorRT и NVIDIA Jetson.
📄 Отличный OCR toolkit для нескольких языков программирования на базе ONNX Runtime, OpenVINO, MNN, PaddlePaddle, TensorRT и PyTorch.
BoxMOT: подключаемая система многоквартирного трекинга на Python и C++ для осевых и ориентированных ограничивающих рамок, теперь с развёртыванием через Helm для непрерывного отслеживания камер в Kubernetes.
Сопутствующий код в «Практическом руководстве по обучению моделей PyTorch»
Реализация популярных сетей глубокого обучения с использованием API определения сети TensorRT
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.
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.
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.
Референсные рабочие процессы генеративного ИИ, оптимизированные для ускоренной инфраструктуры и архитектуры микросервисов.
DAMO-YOLO: быстрый и точный метод обнаружения объектов с некоторыми новыми технологиями, включая бэкбоны NAS, эффективный RepGFPN, ZeroHead, AlignedOTA и улучшение дистилляцией.
Компилятор PyTorch/TorchScript/FX для графических процессоров NVIDIA с использованием TensorRT
[Номинация на лучшую статью CVPR 2025] FoundationStereo: Беспримесное стереосопоставление (Zero-Shot Stereo Matching)
Проекты компьютерного зрения | Забавные ИИ-проекты, связанные с компьютерным зрением (Python, C++, встраиваемые системы)
Превратите любой компьютер или периферийное устройство в центр управления вашими проектами компьютерного зрения.
🍅🍅🍅YOLOv5-Lite: Разработан на основе yolov5, размер модели всего 900+kb (int8) и 1.7M (fp16). Достигает 15 FPS на Raspberry Pi 4B~
YOLO5Face: Зачем заново изобретать детектор лиц (https://arxiv.org/abs/2105.12931) ECCV Workshops 2022)
micronet, библиотека для сжатия моделей и развертывания. Сжатие: 1、квантование: обучение с учетом квантования(QAT), Высокий-бит(>2b)(DoReFa/Quantization and Training of Neural Networks for Efficient Integer-Arithmetic-Only Inference)、Низкий-бит(≤2b)/Тернарный и Бинарный(TWN/BNN/XNOR-Net); пост-обученное квантование(PTQ), 8-бит(tensorrt); 2、обрезка: обычная、регулярная и групповая обрезка каналов свертки; 3、структура групповой свертки; 4、слияние пакетной нормализации для квантования. Развертывание: tensorrt, fp32/fp16/in
YOLOv4, YOLOv4-tiny, YOLOv3, YOLOv3-tiny реализованы в Tensorflow 2.0, Android. Конвертировать YOLO v4 .weights в tensorflow, tensorrt и tflite
Реализация 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 для моделей YOLO
Проект, демонстрирующий решения ИИ, связанные с Lidar, включая три ускоренных на GPU сети глубокого обучения (DL) Lidar/камера (PointPillars, CenterPoint, BEVFusion) и связанные библиотеки (cuPCL, 3D SparseConvolution, YUV2RGB, cuOSD).
Простая в использовании и высокопроизводительная структура для развертывания ИИ | An Easy-to-Use and High-Performance AI Deployment Framework
🚀 Более простой и быстрый набор инструментов для развертывания YOLO для NVIDIA 🛠️
🚀🚀🚀 Коллекция некоторых потрясающих публичных проектов серии YOLO для обнаружения объектов и связанных наборов данных для обнаружения объектов.
WhisperFusion основан на возможностях WhisperLive и WhisperSpeech для обеспечения беспрепятственного общения с ИИ.
PaddleSlim — это библиотека с открытым исходным кодом для сжатия глубоких моделей и поиска архитектур.
🔥🔥🔥TensorRT для YOLO26 (обнаружение/поза/сегментация/глубина/ориентированные рамки/классификация), YOLOv11, YOLOv10, YOLOv9, YOLOv8 и других 🚀🚀🚀 ВАМ НУЖНА ТОЛЬКО CUDA. 🍎🍎🍎
Планируйте только один раз: основанный на обучении планировщик квадрокоптера
Высокопроизводительное отслеживание нескольких объектов на основе YOLO, Deep SORT и KLT 🚀
TensorRT для серии YOLO (YOLOv11, YOLOv10, YOLOv9, YOLOv8, YOLOv7, YOLOv6, YOLOX, YOLOv5), поддержка плагина nms
Часто задаваемые вопросы
Какой репозиторий по теме #tensorrt наиболее популярен на GitHub?
Самый высоко оценённый проект с открытым исходным кодом по теме #tensorrt 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 #tensorrt?
Среди наиболее высоко оценённых проектов по теме #tensorrt на GitHub чаще всего используются языки программирования Python, C++, Jupyter Notebook.
Как рассчитывается рейтинг репозиториев по теме #tensorrt?
Мы отслеживаем 80 активных репозиториев с открытым исходным кодом, отмеченных тегом #tensorrt (500 и более звёзд), с общим числом 302,483 звёзд и в среднем 3,781 звёзд на репозиторий. Рейтинги обновляются ежедневно на основе данных GitHub API.