#coreml 仓库
探索 38 个标记为 #coreml 的活跃开源 GitHub 仓库,它们累计获得 188,710 个 Star(平均每个项目 4,966 个)。该主题的领先项目是 ultralytics/yolov5,拥有 58,290 个 Star。
共 38 个仓库
MMdnn 是一组工具,帮助用户在不同的深度学习框架之间互操作。例如,模型转换和可视化。在 Caffe、Keras、MXNet、Tensorflow、CNTK、PyTorch、ONNX 和 CoreML 之间转换模型。
用于存储在各种框架之间相互转换的模型的仓库。支持的框架包括 TensorFlow、PyTorch、ONNX、OpenVINO、TFJS、TFTRT、TensorFlowLite (Float32/16/INT8)、EdgeTPU、CoreML。
TNN:由腾讯优图实验室和光影实验室开发的、适用于移动设备、桌面和服务器的统一深度学习推理框架。TNN的突出特点包括:跨平台能力、高性能、模型压缩和代码剪枝。基于ncnn和Rapidnet,TNN进一步加强了对移动设备的支持和性能优化,并借鉴了现有开源项目的良好可扩展性和高性能优势。
Frontier CoreML 音频模型,适用于您的应用 — 文本转语音、语音转文本、语音活动检测和说话人分离。采用 SOTA 开源技术,支持 Swift。
适用于 iOS/macOS 的 Core ML 模型库 — 将 PyTorch 模型转换为即用型 .mlpackage,每个模型都包含转换脚本和 SwiftUI 示例应用程序。相关存储库涵盖了 Apple 的 Core AI 框架(iOS/macOS 27)和端侧大语言模型 (LLM)。
Apple Silicon 指南。了解 A17 Pro、A16 Bionic、R1、M1 系列、M2 系列和 M3 系列芯片。以及 Apple Silicon 支持的所有设备、操作系统、工具、游戏和软件。
在 Apple Core ML 和神经引擎上运行本地 Laya 类型决策。已验证移植版本;在 M3 Max 上,短决策耗时约 5 毫秒,并提供可复现的速度和能耗基准测试。
通过 CLI 或作为 Python 包轻松分离 stem(例如,器乐/人声),使用各种惊人的预训练模型(主要来自 UVR)
一个将 ONNX 文件转换为 LiteRT/TFLite/TensorFlow、PyTorch 原生代码 (nn.Module)、TorchScript (.pt)、state_dict (.pt)、Exported Program (.pt2) 和 Dynamo ONNX 的工具。它还支持从 LiteRT 直接转换为 PyTorch。
为您的所有智能体提供共享的单文件记忆层,在 Apple Silicon 上实现对文本、照片和视频的亚毫秒级 RAG。无需服务器。无需 API。一个文件。纯 Swift。
适用于 Node.js 和 C++ 的快速离线 OCR。采用 Core ML / WebGPU 硬件加速的 PP-OCRv6——识别图像中的文本,并提供置信度分数和坐标。npm:@arcships/light-ocr
在 Apple 芯片上本地使用电脑:通过 macOS 辅助功能 API 驱动,使用 laya 在设备端进行类型化决策,并使用 CUA-S1-FORMS 填写表单
CPU、GPU 和 NPU 的峰值算力、内存带宽与延迟:通过所有可访问设备的 API 运行相同的测试。支持 Windows、macOS、Linux 和 Android 的命令行工具与应用
🔎 SimilaritySearchKit 是一个 Swift 包,为 iOS 和 macOS 应用程序提供设备端文本嵌入和语义搜索功能。
常见问题解答
GitHub 上最受欢迎的 #coreml 仓库是什么?
GitHub 上排名第一的开源 #coreml 项目是 ultralytics/yolov5,拥有 58,290 个 Star。基于PyTorch的Ultralytics YOLOv5,用于目标检测、实例分割、分类、训练和导出。
#coreml 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #coreml 项目中,最常见的编程语言是 Swift, Python, C++, JavaScript。
#coreml 仓库的排名是如何计算的?
我们跟踪了 38 个标记为 #coreml 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 188,710 个 Star,平均每个仓库拥有 4,966 个 Star。排名每日根据 GitHub API 更新。