Logo
Project Icon

libedgetpu

Coral设备边缘AI推理的高性能运行时库

Edge TPUCoral设备libedgetpu编译构建TensorFlowGithub开源项目

libedgetpu是一个开源项目，为Coral设备提供用户空间运行时驱动。支持多平台构建和ARM架构交叉编译，优化Edge TPU性能实现高效边缘AI推理。提供Docker、Bazel和Makefile构建方式，适用于Linux、macOS和Windows等主流操作系统。使用USB加速器时需注意散热问题，建议在适宜温度下操作以确保安全。

访问官网访问官网GithubGithub
介绍相关项目
bolt - 增强深度学习模型部署的高效轻量级库
BoltGithub华为开源项目推理精度模型转换深度学习
Bolt是一款轻量级深度学习库，旨在提升模型部署效率。它支持Caffe、ONNX、TFLite和Tensorflow的模型转换，提供从FP32到1-BIT的多种推理精度，并适用于ARM和X86 CPU以及多种GPU。该库在华为多个部门广泛应用，具备高性能、丰富的图优化和高效的线程亲和性设置，提升时序数据处理效率。
tiny-cuda-nn - 专注于快速训练和查询神经网络的开源框架
C++编程CUDAGPUGithubTiny CUDA Neural Networks开源项目深度学习
Tiny CUDA Neural Networks是一个紧凑、高效的开源框架，专注于快速训练和查询神经网络。它包含优化的多层感知器（MLP）和多分辨率哈希编码，并支持多种输入编码、损失函数和优化器。适用于NVIDIA GPU，通过C++/CUDA API和PyTorch扩展，助力高性能计算和深度学习项目。
TinyChatEngine - 面向边缘设备的高效语言模型推理库
AWQGithubLLMSmoothQuantTinyChatEngineVLM开源项目
TinyChatEngine是一个专为边缘设备设计的语言模型推理库,支持运行大型语言模型(LLM)和视觉语言模型(VLM)。该库采用SmoothQuant和AWQ等先进的模型压缩技术,兼容x86、ARM和CUDA等多种平台架构,无需依赖外部库。TinyChatEngine具备跨平台兼容性、高性能和易用性等特点,能在笔记本电脑、汽车和机器人等设备上实现实时推理,提供快速响应的同时保护数据隐私。
tensorflow-directml-plugin - DirectML驱动的TensorFlow硬件加速插件
DirectMLGPU加速GithubTensorFlowWindows开源项目机器学习
TensorFlow-DirectML-Plugin是基于DirectML的TensorFlow插件，为Windows 10和WSL提供跨厂商硬件加速。该插件利用Pluggable Device API，支持在DirectX 12兼容硬件上训练和推理机器学习模型。目前处于早期开发阶段，兼容Python 3.8-3.11，支持AMD、Intel和NVIDIA主流GPU。该插件旨在为Windows平台的TensorFlow用户提供更多硬件加速选择。
EdgeChains - 为大型语言模型打造的开源链式思维框架
EdgeChainsGithubKubernetes配置管理jsonnet大语言模型开源项目生成式AI
EdgeChains是一个专为大型语言模型（如OpenAI GPT、LLama2、Falcon等）设计的开源链式思维框架，聚焦于企业级的部署和扩展。它基于jsonnet和honojs，提供单一脚本文件、提示版本管理、自动并行化、容错性以及高可扩展性，让用户能更简便地编写和管理复杂的生成式AI应用程序。
EET - Transformer模型推理加速引擎
AI模型EETGithubTransformer开源项目性能优化推理
EET是一个专注于Transformer模型的PyTorch推理加速引擎。它支持百川、LLaMA等大规模语言模型,提供int8量化功能,可在单GPU上高效运行超大模型。EET通过CUDA内核优化和量化算法显著提升多模态及NLP任务的推理性能,为Transformers和Fairseq提供开箱即用的加速方案。使用EET只需几行代码即可实现模型的高效部署与推理。
DeepSpeed - 一个深度学习优化库，专为大规模模型训练和推理设计
DeepSpeedGithub分布式训练大规模模型训练开源项目模型压缩模型推理
DeepSpeed 是一个深度学习优化软件套件，专为大规模模型训练和推理设计，能显著优化系统性能和降低成本。它支持亿级至万亿级参数的高效管理，兼容各种计算环境，从资源受限的GPU系统到庞大的GPU集群。此外，DeepSpeed 在模型压缩和推理领域亦取得创新成就，提供极低的延迟和极高的处理速率。
gemma_pytorch - Gemma模型的官方PyTorch实现及多平台推理支持
AI模型GemmaGithubPyTorch开源项目机器学习自然语言处理
gemma_pytorch项目是Gemma模型的官方PyTorch实现，支持CPU、GPU和TPU多平台推理。项目提供PyTorch和PyTorch/XLA两种实现，涵盖2B、7B、9B和27B等多个模型变体及量化版本。通过Docker可快速部署环境并进行推理。项目还包含最新的Gemma v2和CodeGemma模型支持，为用户提供全面的Gemma模型应用方案。
CFU-Playground - 提高机器学习任务性能的FPGA处理器优化平台
CFU PlaygroundFPGAGithub定制指令开源项目性能提升机器学习
CFU-Playground项目为工程师、实习生和学生提供了一个用于设计和评估FPGA“软”处理器增强功能的框架，专注于提升机器学习任务的性能。用户可以快速上手、自定义指令，并进行效率测试和性能测量，实现多次迭代。项目还包含TensorFlow Lite模型优化、硬件要求和软件工具链的详细设置指导，除Vivado外，所有工具均为开源。
backend.ai - 灵活高效的容器化计算集群平台 支持多种框架与加速器
APIBackend.AIGithub多租户容器化计算平台开源项目计算资源管理
Backend.AI是一个基于容器的计算集群平台，支持多种计算和机器学习框架及编程语言。平台提供CUDA GPU、ROCm GPU、TPU和IPU等异构加速器支持，可按需分配和隔离计算资源，适合多租户环境。通过REST、GraphQL和WebSocket API暴露功能，为用户提供灵活高效的计算环境。此平台集成了先进的资源调度功能，可实现按需或批量分配计算资源。Backend.AI采用容器技术实现资源隔离，确保多租户环境的安全性和效率。其开放的API架构便于与现有系统集成，为科研、教育和企业用户提供了强大而灵活的计算解决方案。
相关项目
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手，通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能，支持100+编程语言，与主流编辑器无缝集成，显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台，能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐，Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案，通过智能技术简化视频制作流程。无论是企业宣传还是个人分享，有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持，能够阅读和理解用户上传的文件内容，解析网页信息，并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题，Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术，为商家提供一键生成商品图和营销文案的服务，显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台，让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型，免费访问各种图像生成与AI训练工具，从Stable Diffusion等基础模型开始，轻松实现创新图像生成。体验前沿的AI技术，推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器，它将改变您观看视频的方式！SubCat结合了先进的人工智能技术，为您提供即时视频字幕翻译，无论是本地视频还是网络流媒体，让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台，利用前沿AI技术，为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图，再到文案生成，美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具，简化了选题、文献检索至论文撰写的整个过程。通过简单设定，平台可快速生成高质量论文大纲和全文，配合图表、参考文献等一应俱全，同时提供开题报告和答辩PPT等增值服务，保障数据安全，有效提升写作效率和论文质量。

使用协议隐私政策广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号