Project Icon

onnx-tensorrt

ONNX 的 TensorRT 后端

本项目实现对ONNX模型的高效解析,支持在最新TensorRT 10.2版本上运行。还覆盖了多个ONNX操作符,提供详细的安装和构建指南。项目中包含C++和Python的使用示例,方便用户集成和运行ONNX模型。常见问题解答和变更日志有助于解决使用中的问题。

training_extensions - OpenVINO框架助力快速训练和部署计算机视觉模型
GithubOpenVINO开源项目模型训练深度学习计算机视觉迁移学习
OpenVINO Training Extensions是一个专注计算机视觉的低代码迁移学习框架。它基于PyTorch和OpenVINO工具包开发,提供简洁API和CLI命令,支持分类、检测、分割等多种任务的模型训练、推理和部署。该框架具备自动配置、分布式训练、混合精度等功能,可快速构建高效准确的视觉AI模型。
edgeyolo - 优化边缘设备性能的模型,支持ONNX和TensorRT导出
COCO2017EdgeYOLOGithubHuawei AscendNvidia Jetson AGX XavierTensorRT开源项目
EdgeYOLO为边缘设备优化,在Nvidia Jetson AGX Xavier上达34FPS,并通过RH loss提升小型和中型物体检测。支持COCO2017和VisDrone2019数据集,提供多种模型格式和部署代码,包括RKNN、MNN和TensorRT。项目定期更新,并集成了SAMLabeler Pro工具,支持多人远程标注。可快速上手和训练,适配不同设备和应用场景。
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。
PINTO_model_zoo - 提供多框架神经网络模型转换与量化的开源工具
GithubONNXPINTO_model_zooPyTorchTensorFlow开源项目量化
PINTO_model_zoo 是一个开源工具库,支持 TensorFlow、PyTorch、ONNX、OpenVINO 等多个框架的模型转换和量化。项目提供多种量化方法,包括权重量化、整数量化和浮点数量化,旨在优化模型性能以适应不同平台,如 RaspberryPi 和 EdgeTPU。它还提供大量预量化模型和详细转换指南,帮助开发者在各种设备上高效部署深度学习模型。
tt-metal - Python与C++神经网络运算库
GithubGrayskull模组TT-MetaliumTT-NNWormhole模组开源项目神经网络
TT-NN 提供灵活的神经网络运算功能,支持包括ResNet-50和BERT-Large在内的多种模型,能够实现高效的端到端和设备间的数据吞吐量。其兼容N150和N300卡的Wormhole模型,及适用于TT-QuietBox和TT-LoudBox的高性能模型,能满足不同硬件需求。结合TT-Metalium低级编程模型,提供丰富的开发指导和API参考,有助于在Tenstorrent硬件上高效地进行神经网络训练和推理。
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。
wonnx - 基于Rust的多平台GPU加速ONNX推理工具
GPU加速GithubONNXRustWonnx开源项目推理运行时
Wonnx是一个完全用Rust编写的ONNX推理工具,支持Vulkan、Metal和DX12等多个平台,并通过WebGPU在浏览器中运行。用户可以通过命令行工具、Rust库、Python包和JavaScript模块操作和测试ONNX模型。Wonnx支持丰富的操作符,并持续进行性能优化和功能扩展,致力于为开发者提供高效灵活的深度学习模型推理工具。
bge-large-en-v1.5 - Transformers.js适配的ONNX模型及其应用简介
GithubHuggingfaceONNXTransformers.js余弦相似度句子嵌入开源项目模型特征提取
该开源项目使用ONNX权重,以在Transformers.js环境下实现模型兼容。通过特征提取管道,用户能够高效计算句子嵌入,实现文本语义分析与快速检索,提升JavaScript环境下的文本处理效率。
TensorLayerX - 兼容多后端的AI框架,支持深度学习开发
AI框架GithubTensorLayerX多后端开源项目模型部署深度学习
TensorLayerX是一款支持多种后端(如TensorFlow、PyTorch、MindSpore、PaddlePaddle)的AI框架,允许用户在不同硬件上运行代码。该项目由北京大学、鹏城实验室、香港科技大学、帝国理工学院、普林斯顿大学、牛津大学、斯坦福大学、清华大学和爱丁堡大学的研究员维护,具备高度兼容性、丰富的模型库和便捷的部署能力,为深度学习开发者提供支持。
yolov5-deepsort-tensorrt - 基于YOLOv5和DeepSORT的Jetson设备目标跟踪系统
DeepSortGithubJetsonTensorRTYolov5开源项目目标跟踪
这个项目是YOLOv5和DeepSORT算法在Jetson设备上的C++实现,针对Jetson Xavier NX和Jetson Nano进行了优化。系统能够高效跟踪多个人头目标,在Jetson Xavier NX上处理70多个目标时可达到10 FPS。项目包含环境配置、模型生成和运行指南,支持自定义模型,并提供了不同YOLOv5版本的兼容性说明。适合需要在边缘设备上进行高性能目标跟踪的应用场景。
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