Project Icon

XNNPACK

多平台优化的神经网络推理引擎 支持移动和嵌入式系统

XNNPACK是一个用于加速高级机器学习框架的神经网络推理引擎。它支持ARM、x86、WebAssembly和RISC-V等多种平台,提供低级性能原语,优化TensorFlow Lite、PyTorch等框架的运行效率。XNNPACK实现了丰富的神经网络操作符,在移动设备和嵌入式系统上表现出色,能高效运行各代MobileNet模型。在Pixel 3a上,XNNPACK能在44毫秒内完成FP32 MobileNet v3 Large的单线程推理,展现了其卓越的性能。

nanodet - 轻量级移动设备实时目标检测模型
GithubNanoDet-Plus实时检测开源项目移动设备轻量级模型高准确率
NanoDet-Plus 是一款超轻量级高精度的无锚目标检测模型,专为移动设备实时检测设计。其模型文件仅有980KB(INT8)或1.8MB(FP16),在ARM CPU上实现97fps检测速度,精度达34.3 mAP@0.5:0.95。NanoDet-Plus 训练友好,GPU内存占用低,支持ncnn、MNN、OpenVINO等多种后端,提供基于ncnn的安卓演示。此模型在COCO数据集上提升了7 mAP,支持多种分辨率和配置,满足不同场景需求。
opencv-mobile - 优化轻量化的OpenCV库 适配多平台移动与桌面系统
Githubopencv-mobile开源项目移动设备计算机视觉跨平台预构建包
opencv-mobile是OpenCV库的轻量级优化版本,专为移动和嵌入式设备设计。该项目支持Android、iOS、ARM Linux等多种平台,提供2.4、3.4和4.10三个主要版本。通过精简库体积并保留核心功能,使其更适合资源受限环境。opencv-mobile将OpenCV库的体积缩小了90%以上,Android版从292MB减少到17.7MB,iOS版从207MB减少到3.97MB,同时保留了核心计算机视觉功能。所有二进制文件均在GitHub Actions上公开编译,确保代码透明和安全性。
neural-compressor - 开源深度学习模型压缩工具库
GithubIntel Neural Compressor大语言模型开源项目模型压缩深度学习框架量化
Neural Compressor是一款开源深度学习模型压缩工具库,支持TensorFlow、PyTorch和ONNX Runtime等主流框架。它提供量化、剪枝、知识蒸馏等多种压缩技术,适用于Intel等多种硬件平台。该工具支持大语言模型优化,并与主流云服务和AI生态系统集成。其自动化的精度感知量化策略有助于平衡模型性能和精度。
tinyengine - 微控制器神经网络库优化内存和性能
GithubTinyEngine内存优化开源项目微控制器推理加速深度学习
TinyEngine是专为微控制器设计的神经网络库,通过原地深度卷积和基于块的推理等技术优化内存管理和推理性能。相比现有解决方案,TinyEngine将推理速度提升1.1-18.6倍,峰值内存减少1.3-3.6倍。作为微控制器AI应用的基础设施,TinyEngine在有限内存预算下实现了更高性能,为微控制器深度学习部署提供了有力支持。
nntrainer - 设备端神经网络训练与个性化框架
GithubNNtrainer个性化嵌入式设备开源项目机器学习神经网络
NNtrainer是专为资源受限的嵌入式设备设计的开源神经网络训练框架。支持k-NN、神经网络和逻辑回归等多种机器学习算法,提供少样本学习、ResNet和VGG等任务示例。通过设备端微调实现模型个性化,高效利用有限资源。NNtrainer独特之处在于支持设备端完整训练流程,而非仅限于推理。这使得它在保护用户数据隐私的同时,能够实现个性化模型优化。框架已在Samsung Galaxy智能手机和Ubuntu PC上验证可用。
TensorRT - 优化深度学习推理的开源平台
CUDADockerGithubNVIDIAONNXTensorRT开源项目
NVIDIA TensorRT 开源软件提供插件和 ONNX 解析器的源码,展示 TensorRT 平台功能的示例应用。这些组件是 TensorRT GA 版本的一部分,并包含扩展和修复。用户可以轻松安装 TensorRT Python 包或根据构建指南编译。企业用户可使用 NVIDIA AI Enterprise 套件,并可加入 TensorRT 社区获取最新产品更新和最佳实践。
android-nn-driver - Arm NN驱动,Android神经网络API的开源实现
AndroidArm NNGithubNNAPI开源项目神经网络驱动程序
android-nn-driver是一个开源项目,为Android神经网络API提供Arm NN驱动实现。它支持基于HIDL的android.hardware.neuralnetworks@1.0到1.3版本HAL,适用于Android 11及更早版本。项目提供丰富的操作和配置支持,包括集成指南和FAQ文档。采用MIT许可证,支持社区贡献。值得注意的是,Android 12及以上版本已不再使用HIDL,转而采用AIDL。
FaceONNX - 跨平台人脸识别与分析库
GithubONNX人脸分析人脸识别开源项目深度神经网络跨平台
FaceONNX是基于ONNX运行时的人脸识别和分析库。它提供预训练的深度神经网络模型,用于人脸检测、特征点提取、性别年龄分类、情绪美貌分析及人脸嵌入比较。支持跨平台应用,提供.NET Standard 2.0版本,可通过NuGet包管理器集成。FaceONNX为开发者提供了实用的人脸分析工具。
onnx - 一个为 AI 开发人员提供支持的开放生态系统
AI模型GithubONNX开源项目推理机器学习深度学习
ONNX是一个开放生态系统,提供AI模型的开源格式,支持深度学习和传统机器学习。通过定义可扩展的计算图模型和内置操作符及标准数据类型,ONNX增强了不同框架间的互操作性,加速了从研究到生产的转化。ONNX广泛支持各种工具和硬件,助力AI社区快速创新。了解ONNX的文档、教程和预训练模型,加入社区,共同推动ONNX的发展。
neural-engine - 如何利用Apple Neural Engine提升机器学习模型的性能以及其局限性的介绍
Core MLGithubNPUNeural Engine开源项目机器学习苹果
本页面全面介绍了如何利用Apple Neural Engine提升机器学习模型的性能,并指出其局限性。探讨NPU的工作原理,解答常见问题,解析部分Core ML模型为何无法充分利用ANE。还提供了具体设备支持列表和编程指南,帮助开发者优化模型,实现iPhone和iPad上的最佳计算性能。
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。

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