coreml

Ultralytics YOLOv5 in PyTorch für Objekterkennung, Instanzsegmentierung, Klassifizierung, Training und Export.

Visualisierer für neuronale Netze, Deep Learning und Machine Learning-Modelle

PyTorch-Implementierung von YOLOv3, YOLOv3-SPP und YOLOv3-tiny für die Echtzeit-Objekterkennung mit Training, Validierung, Inferenz und Multiformat-Export.

Eine schnelle, skalierbare und hochleistungsfähige Gradient-Boosting-on-Decision-Trees-Bibliothek für Ranking, Klassifikation, Regression und andere Machine-Learning-Aufgaben in Python, R, Java und C++. Unterstützt Berechnungen auf CPU und GPU.

Stable Diffusion nativ auf dem Mac ausführen

Größte Liste von Modellen für Core ML (für iOS 11+)

MMdnn ist eine Reihe von Tools zur Unterstützung der Interoperabilität zwischen verschiedenen Deep-Learning-Frameworks. Z. B. Modellkonvertierung und -visualisierung. Konvertieren Sie Modelle zwischen Caffe, Keras, MXNet, Tensorflow, CNTK, PyTorch Onnx und CoreML.

Native Mac-APIs für Go. Früher bekannt als MacDriver

Core ML Tools enthält Hilfsprogramme für die Konvertierung, Bearbeitung und Validierung von Core ML-Modellen.

TNN: Entwickelt vom Tencent Youtu Lab und Guangying Lab, ein einheitliches Deep-Learning-Inferenz-Framework für Mobilgeräte, Desktops und Server. TNN zeichnet sich durch herausragende Funktionen wie Plattformunabhängigkeit, hohe Leistung, Modellkomprimierung und Code-Pruning aus. Basierend auf ncnn und Rapidnet verstärkt TNN die Unterstützung und Leistungsoptimierung für Mobilgeräte weiter.

Ein Repository zum Speichern von Modellen, die zwischen verschiedenen Frameworks konvertiert wurden. Unterstützte Frameworks sind TensorFlow, PyTorch, ONNX, OpenVINO, TFJS, TFTRT, TensorFlowLite (Float32/16/INT8), EdgeTPU, CoreML.

Modernste CoreML-Audiomodelle in Ihren Apps — Text-to-Speech, Speech-to-Text, Spracherkennung und Sprecherdiarisierung. In Swift, angetrieben von SOTA Open Source.

Alles, was wir tatsächlich über die Apple Neural Engine (ANE) wissen

Verwenden Sie AnimeGANv3, um Ihre eigenen Animationswerke zu erstellen, einschließlich der Umwandlung von Fotos oder Videos in Anime.

Apple Silicon Guide. Erfahren Sie alles über die Chips A17 Pro, A16 Bionic, R1, M1-, M2- und M3-Serien sowie über alle Geräte, Betriebssysteme, Tools, Gaming und Software, die von Apple Silicon angetrieben werden.

Core ML Model Zoo für iOS/macOS – PyTorch-Modelle konvertiert in einsatzbereite .mlpackage, jeweils mit Konvertierungsskript und SwiftUI-Beispiel-App. Verwandte Repositories decken Apples Core AI Framework (iOS/macOS 27) und On-Device-LLMs ab.

Ein NSFW-Detektor (auch bekannt als Pornos-Detektor) mit CoreML

Visuelle Programmiersprache, geschrieben in Swift, die zu ausführbarem Swift-Code kompiliert.

Offizielle PyTorch-Implementierung von „EdgeSAM: Prompt-In-the-Loop Distillation for On-Device Deployment of SAM“

KI-Sprach-Toolkit für Apple Silicon – ASR, TTS, Speech-to-Speech, VAD und Diarisierung, angetrieben durch MLX und CoreML

Beispiele und Tools für Windows ML.

Ein Tool zum Konvertieren von ONNX-Dateien in LiteRT/TFLite/TensorFlow, PyTorch Native Code (nn.Module), TorchScript (.pt), state_dict (.pt), Exported Program (.pt2) und Dynamo ONNX. Es unterstützt auch die direkte Konvertierung von LiteRT zu PyTorch.

Eine in Swift entwickelte Kamera zur einfachen Integration von CoreML-Modellen sowie Bild-Streaming, QR/Barcode-Erkennung und vielen weiteren Funktionen

Eine kuratierte Sammlung von iOS-, ML- und AR-Ressourcen, ergänzt durch einige UI-Erweiterungen

Optimierte Whisper-Modelle für Streaming und den Einsatz auf Geräten

Gemeinsame, einteilige Speicherebene für alle Ihre Agenten, Sub-Millisekunden-RAG über Text, Foto und Video auf Apple Silicon. Kein Server. Keine API. Eine Datei. Reines Swift

Hugging Face Modelle nach Core ML und TensorFlow Lite exportieren

🔎 SimilaritySearchKit ist ein Swift-Paket, das On-Device-Text-Embeddings und semantische Suchfunktionen für iOS- und macOS-Anwendungen bereitstellt.

Ultralytics YOLO iOS-App und Swift-Paket für Core ML-Inferenz in Echtzeit für gängige Computer-Vision-Aufgaben.