#edge-ai 仓库
探索 84 个标记为 #edge-ai 的活跃开源 GitHub 仓库,它们累计获得 340,999 个 Star(平均每个项目 4,059 个)。该主题的领先项目是 exo-explore/exo,拥有 48,516 个 Star。
共 84 个仓库
原生运行于设备的基础模型:笔记本电脑上运行 145B,手机上运行 35B。潜在 MoE、由 SSD 流式加载的权重,以及能提前一步预测负载的路由器。Mac、iPhone、Android、Windows。
面向边缘计算和联邦学习、以人为本且能感知资源的 Android 节点。通过隐私优先的本地化和贴心的硬件管理,协调分布式智能。
FEDML - 面向大规模分布式训练、模型服务和联邦学习的统一且可扩展的机器学习库。跨云调度器 FEDML Launch 进一步支持在任何 GPU 云或本地集群上运行任何 AI 作业。基于该库构建的 TensorOpera AI (https://TensorOpera.ai) 是您的规模化生成式 AI 平台。
离线人工智能的“瑞士军刀”。在您的手机或 Mac 上进行聊天、视觉识别、语音交互和图像生成——支持 GGUF 大语言模型、视觉模型、Whisper 语音转文字、Stable Diffusion、工具调用以及局域网服务器。可在您的 CPU、GPU 或 NPU 上运行。无需账户,无需 API 密钥,数据绝不出设备。
面向生产环境的 C++ 边缘 AI 引擎,用于视频分析,并支持在 Sophon、Rockchip RKNN 和 x86 平台上运行设备端 VLM,提供可视化编排、实时 OSD、事件处理和可复现的基准测试。
本课程旨在指导初学者进入激动人心的边缘人工智能世界,涵盖基本概念、流行模型、推理技术、设备特定应用、模型优化以及智能边缘人工智能代理的开发。
本存储库包含研究论文“MobileCLIP” CVPR 2024 和 “MobileCLIP2” TMLR 2025 年 8 月的官方实现
一个教程,展示如何在 Android 设备、Raspberry Pi 等上训练、转换和运行 TensorFlow Lite 物体检测模型!
跨平台、生产就绪的C++推理引擎,支持YOLO模型(v5‑v12,YOLO26)。统一API,涵盖检测、分割、姿态估计、OBB与分类。基于ONNX Runtime和OpenCV构建。支持CPU/GPU量化,已优化。
常见问题解答
GitHub 上最受欢迎的 #edge-ai 仓库是什么?
GitHub 上排名第一的开源 #edge-ai 项目是 exo-explore/exo,拥有 48,516 个 Star。在本地运行 Frontier AI。
#edge-ai 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #edge-ai 项目中,最常见的编程语言是 Python, C++, C, Jupyter Notebook。
#edge-ai 仓库的排名是如何计算的?
我们跟踪了 84 个标记为 #edge-ai 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 340,999 个 Star,平均每个仓库拥有 4,059 个 Star。排名每日根据 GitHub API 更新。