tiny-cuda-nn

专注于快速训练和查询神经网络的开源框架

Tiny CUDA Neural Networks 深度学习 CUDA C++编程 GPU Github 开源项目

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。

访问官网

Github

介绍相关项目

TinyLlama - 3万亿token训练的小型1.1B参数语言模型

AI预训练GithubTinyLlama开源项目模型评估语言模型

TinyLlama是一个使用3万亿token预训练的1.1B参数语言模型。它与Llama 2架构兼容,可集成到现有Llama项目中。TinyLlama体积小巧,适用于计算和内存受限的场景。该项目开源了预训练和微调代码,具有高效的训练和推理性能。TinyLlama可应用于推测解码、边缘计算和实时对话等领域。

nnom - 适用于微控制器的神经网络库

GithubMicrocontrollerNNoMNeural Network开源项目灵活性高性能

NNoM 是为微控制器设计的高层次神经网络推理库，支持如 Inception、ResNet 和 DenseNet 等复杂结构，可一键部署 Keras 模型并提供用户友好的界面。其高性能后端选择和预编译功能确保了运行时零损耗，同时提供完整的评估工具如运行时分析和混淆矩阵。最新的 v0.4.x 版本新增了循环层（RNN）支持，并切换到更适合机器处理的结构化接口。与 TensorFlow Lite 和 STM32Cube.AI 的对比显示，NNoM 在推理时间和内存占用方面表现出色。

TensorRT - 提升PyTorch推理效率的工具

CUDAGithubPyTorchTensorRTTorch-TensorRT安装开源项目

Torch-TensorRT将TensorRT的强大功能引入PyTorch，用户仅需一行代码即可显著提升推理性能。该工具支持在多个平台上安装，包括PyPI和NVIDIA NGC PyTorch容器。通过torch.compile或导出式工作流，用户可以高效优化和部署模型。Torch-TensorRT依赖CUDA和TensorRT，与Linux和Windows等多种平台兼容。提供丰富资源，包括教程、工具和技术讲座，供用户学习使用。

chainer - Python深度学习框架，支持动态计算图和CUDA加速

CUDAChainerCuPyGithub开源项目深度学习自动微分

Chainer是一个Python深度学习框架，提供基于define-by-run方法的自动微分API（动态计算图）和面向对象的高级API，用于构建和训练神经网络。通过CuPy支持CUDA/cuDNN，实现高性能训练和推理。尽管Chainer已进入维护阶段，仅进行bug修复和维护，但其文档、教程和社区资源仍然活跃，适合研究和开发深度学习模型的用户。

TinyLLaVA_Factory - 模块化的开源小规模多模态模型库

GithubHuggingFacePyTorchTinyLLaVA Factory多模态模型开源代码库开源项目

TinyLLaVA Factory是一个开源的模块化代码库，专注于简化小规模多模态模型的开发和定制，使用PyTorch和HuggingFace实现。其设计旨在简化代码实现、提高扩展性和确保训练结果的可重复性。支持如OpenELM、TinyLlama、StableLM等语言模型和CLIP、SigLIP等视觉模型。通过TinyLLaVA Factory，可减少编码错误，快速定制多模态模型，提高性能，为研究和应用提供强大工具。

pytorch-cpp - C++ 实现的 PyTorch 教程，为深度学习研究者提供从基础到高级的全面指南

C++GithubLibTorchPyTorch开源项目教程深度学习

本项目提供了 C++ 版本的 PyTorch 教程，适用于从基础到高级的深度学习研究者，涵盖线性回归、卷积神经网络和生成对抗网络等内容。支持 macOS、Linux 和 Windows 的多平台编译和运行，项目要求包括 C++-17 兼容编译器、CMake 和合适版本的 LibTorch。含有全面的构建与运行指南，以及交互式教程和 Docker 支持。

armnn - 针对Arm架构优化的高性能机器学习推理引擎

AndroidArm NNGithubTensorFlow Lite开源项目推理引擎机器学习

Arm NN是为Android和Linux平台设计的机器学习推理引擎，针对Arm Cortex-A CPU和Mali GPU进行了优化。通过Arm架构特定优化和Arm Compute Library，Arm NN在性能上表现出色。该引擎支持TensorFlow Lite和ONNX格式模型，提供TF Lite Delegate和解析器，方便开发者将机器学习模型集成到应用中。Arm NN使用C++17编写，可在多种目标平台和主机环境下构建。

onnxruntime - 跨平台的机器学习模型推理与训练加速工具

GithubONNX Runtime开源项目机器学习模型训练深度学习硬件加速

ONNX Runtime是一款跨平台的机器学习推理和训练加速工具，兼容PyTorch、TensorFlow/Keras、scikit-learn等深度学习框架及传统机器学习库。它支持多种硬件和操作系统，通过硬件加速和图优化实现最佳性能，显著提升模型推理和训练速度，尤其在多节点NVIDIA GPU上的Transformer模型训练中表现出色。

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。

deepdetect - 用C++11编写的机器学习API和服务器，支持如Caffe、Tensorflow、Pytorch等多种深度学习框架

APIDeepDetectGithub图像分类开源项目机器学习深度学习

DeepDetect是一个用C++11编写的机器学习API和服务器，支持如Caffe、Tensorflow、Pytorch等多种深度学习框架。它专注于易用性和高性能，支持分类、目标检测、分割、回归等任务，适用于图像、文本和时间序列数据。该工具可自动将模型转换为嵌入式平台（如TensorRT、NCNN），无需数据库，所有数据和模型参数均存储在文件系统中。DeepDetect通过JSON格式通信，提供Python和Javascript客户端，易于集成到现有应用中。

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

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能，包括文生视频、动态画面和形象生成等，帮助用户快速上手，创造专业级内容。

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

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台，用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品，帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型，为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能，满足事务性工作的高频需求，帮助撰稿人节省精力，提高效率，优化工作与生活。

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

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