#onnx 仓库
探索 130 个标记为 #onnx 的活跃开源 GitHub 仓库,它们累计获得 603,969 个 Star(平均每个项目 4,645 个)。该主题的领先项目是 ultralytics/yolov5,拥有 58,290 个 Star。
共 130 个仓库
该存储库提供了使用 SegmentAnything Model (SAM) 运行推理的代码、下载已训练模型检查点的链接以及展示如何使用该模型的示例笔记本。
使用下一代 Kaldi 配合 onnxruntime 离线进行语音转文字、文字转语音、说话人分离、语音增强、声源分离和 VAD。支持嵌入式系统、Android、iOS、HarmonyOS、树莓派、RISC-V、RK NPU、Axera NPU、Ascend NPU、x86_64 服务器、websocket 服务器/客户端,支持 12 种编程语言
LangChain4j 是一个惯用且开源的 Java 库,用于在 JVM 上构建 LLM 驱动的应用。它为流行 LLM 提供商和向量存储提供统一的 API,并简化了工具调用(包括 MCP 支持)、代理和 RAG 的实现。它与 Quarkus 和 Spring Boot 等企业级 Java 框架无缝集成。
YOLOX 是一个高性能无锚框的YOLO,性能超越yolov3~v5,并支持MegEngine、ONNX、TensorRT、ncnn和OpenVINO。文档:https://yolox.readthedocs.io/
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。
一款自主且具备上下文感知能力的 AI 桌面伴侣。使用 Python 构建,具备实时屏幕视觉、自定义 ONNX 语音合成、活动窗口跟踪,以及带有响应式面部表情的动态悬浮界面。
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。
《Pytorch实用教程》(第二版)无论是零基础入门,还是CV、NLP、LLM项目应用,或是进阶工程化部署落地,在这里都有。相信在本书的帮助下,读者将能够轻松掌握 PyTorch 的使用,成为一名优秀的深度学习工程师。
使用 YOLO、Segment Anything(SAM+SAM2/2.1+SAM3)和 MobileSAM 的 AI 支持,可以轻松完成数据标注!!
使用易于使用的硬件优化工具,加速 🤗 Transformers, Diffusers, TIMM 和 Sentence Transformers 的推理和训练
DAMO-YOLO:一种快速准确的目标检测方法,包含一些新技术,包括NAS骨干网络、高效RepGFPN、ZeroHead、AlignedOTA以及蒸馏增强。
《Towards Fast, Accurate and Stable 3D Dense Face Alignment, ECCV 2020》的官方 PyTorch 实现。
AudioMuse-AI 利用声音分析技术重新发现被遗忘的歌曲,揭示音乐库中的隐藏联系,并为 Navidrome、Jellyfin、LMS、Lyrion、Emby 和 Plex 生成智能播放列表:无需元数据或外部服务。
常见问题解答
GitHub 上最受欢迎的 #onnx 仓库是什么?
GitHub 上排名第一的开源 #onnx 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。
#onnx 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #onnx 项目中,最常见的编程语言是 Python, C++, Rust, Jupyter Notebook。
#onnx 仓库的排名是如何计算的?
我们跟踪了 130 个标记为 #onnx 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 603,969 个 Star,平均每个仓库拥有 4,645 个 Star。排名每日根据 GitHub API 更新。