tensorrt

Ultralytics YOLOv5 dalam PyTorch untuk deteksi objek, segmentasi instans, klasifikasi, pelatihan, dan ekspor.

NVIDIA® TensorRT™ adalah SDK untuk inferensi pembelajaran mendalam berkinerja tinggi pada GPU NVIDIA. Repositori ini berisi komponen sumber terbuka dari TensorRT.

Implementasi PyTorch dari YOLOv3, YOLOv3-SPP, dan YOLOv3-tiny untuk deteksi objek real-time dengan pelatihan, validasi, inferensi, dan ekspor multi-format.

YOLOX adalah YOLO anchor-free berkinerja tinggi, melampaui yolov3~v5 dengan dukungan MegEngine, ONNX, TensorRT, ncnn, dan OpenVINO. Dokumentasi: https://yolox.readthedocs.io/

Panduan Hello AI World untuk menerapkan jaringan inferensi deep-learning dan primitif deep vision dengan TensorRT dan NVIDIA Jetson.

BoxMOT: Modul pelacakan multi-objek SOTA Python dan C++ yang dapat dipasang, dengan dukungan untuk kotak pembatas yang sejajar sumbu dan berorientasi

Implementasi jaringan deep learning populer dengan API definisi jaringan TensorRT

Toolkit OCR luar biasa untuk berbagai bahasa pemrograman berbasis ONNX Runtime, OpenVINO, MNN, PaddlePaddle, TensorRT, dan PyTorch.

Konverter PyTorch ke TensorRT yang mudah digunakan

TNN: dikembangkan oleh Tencent Youtu Lab dan Guangying Lab, kerangka kerja inferensi deep learning yang seragam untuk perangkat seluler, desktop, dan server. TNN menonjol karena fitur-fitur unggulannya, termasuk kemampuan lintas platform, performa tinggi, kompresi model, dan pemangkasan kode. Berbasis pada ncnn dan Rapidnet, TNN semakin memperkuat dukungan dan optimasi performa untuk perangkat seluler.

Tutorial Praktis PyTorch (Edisi Kedua). Mencakup segalanya mulai dari dasar, aplikasi proyek CV, NLP, LLM, hingga penerapan teknik tingkat lanjut. Buku ini membantu pembaca menguasai PyTorch dan menjadi insinyur deep learning yang kompeten.

Tengine adalah mesin inferensi modular yang ringan dan berkinerja tinggi untuk perangkat tertanam

Implementasi YOLOv4 untuk PyTorch, ONNX, dan TensorRT

Toolkit AI C++ ringan: 100+ model dengan MNN, ORT, dan TRT, termasuk Det, Seg, Stable-Diffusion, Face-Fusion.

Implementasi hampir real-time dari Whisper OpenAI.

Alur kerja referensi Generative AI yang dioptimalkan untuk infrastruktur terakselerasi dan arsitektur layanan mikro.

DAMO-YOLO: metode deteksi objek yang cepat dan akurat dengan teknologi baru, termasuk backbone NAS, RepGFPN yang efisien, ZeroHead, AlignedOTA, dan peningkatan distilasi.

Framework Penyebaran Model OpenMMLab

Kompiler PyTorch/TorchScript/FX untuk GPU NVIDIA menggunakan TensorRT

Proyek visi komputer | Proyek AI visi komputer yang menarik (Python, C++, sistem tertanam)

Server Pembelajaran Mendalam dan CLI untuk Torch dan TensorRT.

YOLOv5-Lite: Dikembangkan dari yolov5 dengan ukuran model hanya 900+kb (int8) dan 1,7M (fp16). Mencapai 15 FPS di Raspberry Pi 4B~

Ubah komputer atau perangkat edge apa pun menjadi pusat kendali untuk proyek visi komputer Anda.

YOLO5Face: Mengapa Menciptakan Ulang Detektor Wajah (https://arxiv.org/abs/2105.12931) ECCV Workshops 2022)

micronet, pustaka kompresi dan deployment model. Kompresi: 1. Kuantisasi: quantization-aware-training (QAT), High-Bit (>2b), Low-Bit (≤2b)/Ternary dan Binary (TWN/BNN/XNOR-Net); post-training-quantization (PTQ), 8-bit (tensorrt); 2. Pruning: normal, regular, dan group convolutional channel pruning; 3. grou

YOLOv4, YOLOv4-tiny, YOLOv3, YOLOv3-tiny diimplementasikan dalam Tensorflow 2.0, Android. Konversi .weights YOLO v4 ke tensorflow, tensorrt, dan tflite

Implementasi NVIDIA DeepStream SDK 8.0 / 7.1 / 7.0 / 6.4 / 6.3 / 6.2 / 6.1.1 / 6.1 / 6.0.1 / 6.0 / 5.1 untuk model YOLO

🚀 Toolkit Deployment YOLO yang Lebih Mudah & Cepat untuk NVIDIA 🛠️

Kerangka kerja penyebaran AI yang mudah digunakan dan berkinerja tinggi | An Easy-to-Use and High-Performance AI Deployment Framework

YOLOv8 menggunakan akselerasi TensorRT!