frugally-deep

在C++中运行Keras模型，无需依赖TensorFlow的小型的头文件库

frugally-deep Keras C++TensorFlow 模型预测 Github 开源项目

frugally-deep是一个小型的头文件库，允许在C++中运行Keras模型进行预测而无需依赖TensorFlow。它依赖于FunctionalPlus、Eigen和json头文件库，支持复杂的模型拓扑，并显著减小二进制大小。项目特点包括支持多种层类型、节省RAM以及通过并行处理提高预测性能。frugally-deep在单核CPU上表现相对较快，适合内存敏感和需要快速部署的应用。

访问官网

Github

介绍相关项目

thinc - 灵活轻量的深度学习库，支持多种主流框架

GithubMXNetPyTorchTensorFlowThincdeep learning开源项目

Thinc是一款轻量级深度学习库，提供简洁的函数式编程API，支持与PyTorch、TensorFlow、MXNet等框架的集成。用户可以通过Thinc构建、配置和部署自定义模型。Thinc支持类型检查、简洁的函数式模型定义、可扩展的后台系统，并兼容Python 3.6+，适用于Linux、macOS和Windows操作系统。

keras-cv - 跨框架模块化计算机视觉工具集

GithubKerasKerasCV开源项目模型训练深度学习计算机视觉

keras-cv 是基于 Keras 3 的模块化计算机视觉库，兼容 TensorFlow、JAX 和 PyTorch。它为数据增强、分类、目标检测等视觉任务提供高级组件，支持跨框架迁移，并包含预训练模型。该库旨在帮助开发者高效构建生产级计算机视觉应用。

fann - 高性能开源神经网络库

FANNGithub开源库开源项目机器学习神经网络跨平台

FANN是一个用C语言实现的开源神经网络库，支持多层网络结构和多种连接方式。它具备跨平台兼容性、高性能计算能力和易用性，提供丰富的训练算法和激活函数。该库支持15种以上编程语言绑定，附带完整文档和图形界面，适用于研究和商业开发。FANN让用户能够便捷地构建、训练和部署神经网络模型。作为一个广受欢迎的项目，FANN日均下载量约100次，支持RPROP和Quickprop等多种训练方法，实现了多种激活函数，并可在固定点和浮点数系统上运行。其执行速度比类似库快达150倍，同时保持了良好的灵活性。FANN持续维护，为人工智能研究和应用提供了可靠的基础设施。

DeepSeek-Coder-V2-Lite-Instruct-GGUF - 完整的DeepSeek代码助手模型量化版集合

DeepSeek-CoderGithubHuggingfaceLlamaEdge代码开发开源项目模型模型量化深度学习

这是一个专为代码编写优化的DeepSeek量化模型系列，提供从2位到16位的多种精度选项，支持通过LlamaEdge和WasmEdge进行部署。模型拥有12.8万token的上下文长度，文件大小从6.43GB到31.4GB不等。Q4_K_M和Q5_K_M版本在性能和资源占用上达到最佳平衡，适合大多数应用场景。

tflearn - 深度学习库，简化TensorFlow高阶API的使用

GithubTFLearnTensorFlow开源项目深度学习神经网络高层API

TFLearn是一个模块化且透明的深度学习库，基于TensorFlow构建，提供高阶API以加速实验。特点包括易用的高阶API、快速原型设计、完全透明的TensorFlow集成、强大的训练辅助功能和精美的图形可视化。支持最新的深度学习模型，兼容TensorFlow v2.0及以上版本。

MNN - 高效轻量的深度学习框架，支持多设备推理和训练

GithubMNN开源项目推理引擎深度学习框架轻量级高性能

MNN是一个高效轻量的深度学习框架，支持设备上的推理和训练。已被阿里巴巴30多个应用集成，覆盖直播、短视频、搜索推荐等70多种场景。MNN适用于嵌入式设备，支持TensorFlow、Caffe、ONNX等多种模型格式，并优化了ARM和x64 CPU及多种GPU的计算性能。通过MNN Workbench，用户可以下载预训练模型、进行可视化训练并一键部署到设备上。

nncf - Neural Network Compression Framework：高效神经网络推理压缩算法

GithubNeural Network Compression FrameworkONNXOpenVINOPyTorchTensorFlow开源项目

Neural Network Compression Framework (NNCF) 提供一套后训练和训练时的优化算法，用于在 OpenVINO 中优化神经网络推理，保证最小的精度损失。NNCF 支持 PyTorch、TensorFlow 和 ONNX 等模型，并提供示例展示不同压缩算法的使用案例。NNCF 还支持自动化模型图转换、分布式训练和多种算法的无缝组合，支持将压缩后的 PyTorch 模型导出为 ONNX 检查点及将 TensorFlow 模型导出为 SavedModel 格式。

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-tensorrt - 简洁易用的nvidia TensorRT封装库，支持通过C++和Python API快速部署Onnx模型

CUDACUDNNGithubTensorRTonnx modeltiny-tensorrt开源项目

tiny-tensorrt是一个简洁易用的nvidia TensorRT封装库，支持通过C++和Python API快速部署Onnx模型。依赖CUDA、CUDNN和TensorRT，兼容多个版本。项目已停止维护，建议使用TensorRT的Python API或trtexec/polygraphy工具。更多信息请参考项目Wiki。

oneDNN - 优化深度学习应用的跨平台性能库，支持多种处理器架构

CPU优化GithubUXL Foundationdeep learningoneAPI specificationoneDNN开源项目

oneAPI Deep Neural Network Library (oneDNN) 是一个开源的跨平台性能库，提供深度学习应用的核心模块。oneDNN 专为Intel架构处理器、Intel图形处理器和Arm 64位架构处理器进行优化，并实验性支持NVIDIA、AMD、OpenPOWER、IBMz 和 RISC-V 等架构的 GPU 和 CPU。深度学习应用及框架开发者可以利用oneDNN提升在多种硬件上的性能表现。

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