#openvino 仓库
探索 27 个标记为 #openvino 的活跃开源 GitHub 仓库,它们累计获得 109,429 个 Star(平均每个项目 4,052 个)。该主题的领先项目是 llmware-ai/llmware,拥有 14,820 个 Star。
共 27 个仓库
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/
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。
PyTorch 中的快速且准确的人体姿态估计。包含“CPU 上的实时 2D 多人体姿态估计:Lightweight OpenPose”论文的实现。
一款简单易用和高性能的AI部署框架 | An Easy-to-Use and High-Performance AI Deployment Framework
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。
全球最快的基于 Transformer 的 ANPR / ALPR 实现,适用于 CPU、GPU、VPU 和 NPU(ONNX、TensorFlow Lite、TensorRT、Hailo、OpenVINO、RKNN2……)。支持多字符集(拉丁文、韩文、中文)、多操作系统(Jetson、Android、Raspberry Pi、Linux、Windows)和多种架构(ARM、x86)。
Deep Learning Streamer (DL Streamer) 管道框架是一个基于 GStreamer* 多媒体框架的开源流媒体分析框架,用于在云端或边缘创建复杂的媒体分析管道。
常见问题解答
GitHub 上最受欢迎的 #openvino 仓库是什么?
GitHub 上排名第一的开源 #openvino 项目是 llmware-ai/llmware,拥有 14,820 个 Star。面向使用小型、专业化模型构建企业级 RAG 流水线的统一框架
#openvino 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #openvino 项目中,最常见的编程语言是 Python, C++, Jupyter Notebook, Go。
#openvino 仓库的排名是如何计算的?
我们跟踪了 27 个标记为 #openvino 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 109,429 个 Star,平均每个仓库拥有 4,052 个 Star。排名每日根据 GitHub API 更新。