训练与微调
共 28 个仓库 · 近 4 个月有推送 · C++
开源计算机视觉库，提供图像处理、视频分析和深度学习推理的 C++ 接口，是视觉应用开发的基础设施。
老牌开源 OCR 引擎，用 LSTM 识别图片中的文字，支持上百种语言，适合做文档扫描和文本提取。
跨平台机器学习框架，提供可定制的视觉、音频等实时流媒体处理方案，方便在移动端和桌面端搭建低延迟推理管线。
面向手机端的高性能神经网络推理框架，针对 ARM 平台深度优化，让 Caffe、ONNX 等模型能在 Android/iOS 上低延迟运行。
跨平台高性能推理与训练加速引擎，可直接加载 ONNX 模型，兼容 PyTorch、TensorFlow 等框架导出，解决模型在不同硬件上高效部署的问题。
NVIDIA 官方的高性能深度学习推理 SDK，能把训练好的模型在 NVIDIA GPU 上做极致加速和部署，适合追求低延迟高吞吐的生产推理场景。
开源分布式图数据库，支持水平扩展和高可用，适合存储超大规模图数据并做低延迟查询，可用于知识图谱和 GraphRAG 场景。
把训练好的深度学习模型优化并部署到 Intel CPU、GPU 等硬件上做推理，支持视觉、LLM 和生成式模型，省去自己折腾底层加速的麻烦。
Meshtastic 官方固件，让 ESP32、nRF52 等低成本 LoRa 开发板组成无需基站的离网 Mesh 通信网络，适合徒步和野外场景。
Facebook AI 开源的端到端语音识别训练工具包，用 C++ 实现，可基于 wav2letter 架构训练声学模型，省去传统 ASR 繁琐的特征工程流程。
面向 Transformer 模型的高性能推理引擎，用 C++ 实现并支持 CUDA、AVX、NEON 等硬件加速，让机器翻译等模型在 CPU/GPU 上跑得更快、显存占用更低。
极快的 C++/CUDA 神经网络框架，专为 MLP 等小网络在 GPU 上训练和推理加速，常用于 NeRF 等实时渲染场景。
把 ONNX 模型直接转成 TensorRT 引擎的官方解析器，让训练好的模型能在 NVIDIA GPU 上做高性能推理部署。
基于 C++ 的深度学习服务端与命令行工具，封装 Torch、TensorRT 等后端，通过 REST API 提供图像分类、目标检测、分割和以图搜图能力。
用廉价 ESP32 板通过 WiFi 和 BLE 信号统计人流密度，支持 LoRaWAN、GPS 等扩展，适合低成本客流监测部署。
ESP32-CAM 运动检测录像固件，检测到画面变化就把 JPEG 存成 AVI 视频，同时支持 MJPEG 浏览器实时预览和麦克风录音。
开源机器学习数据库，提供特征平台，为训练和推理计算一致的特征，解决特征工程与线上线下特征不一致的问题。
把 OpenVINO 优化过的模型部署成可扩展推理服务的服务器，支持云端和边缘、Kubernetes 与 DAG 流水线，方便生产环境上线模型。
用 C 和 CUDA 写的 YOLO 目标检测框架，能在本地训练和推理，适合需要轻量、可嵌入的实时检测场景。
基于 ESP32 开发板的 LoRa APRS iGate 固件，把 LoRa 收到的 APRS 数据转发到 APRS-IS 网络，同时支持收发和数字中继。
基于 ESP32 和 LoRa 的开源 APRS 追踪器固件，支持收发位置报文、短消息、气象数据和 Winlink，可当 iGate 或数字中继用。
基于深度学习与 NVIDIA GPU 加速的 3D 物体位姿估计 ROS/ROS2 包，可在 Jetson 上通过 TensorRT 推理，为机器人抓取和操作提供实时六自由度位姿。
为 VapourSynth 视频处理框架提供 CPU/GPU 高效推理运行时，内置 waifu2x、Real-ESRGAN、RIFE、Real-CUGAN 等超分、降噪、插帧模型，方便在视频后期流程里直接调用。
基于 LoRa 的低成本自组网物联网设备固件，可快速部署去中心化网状网络，适合应急通信等无基础设施场景。