注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. tflite2tensorflow:从.tflite生成saved_model，tfjs，t​​f-trt，EdgeTPU，CoreML，量化的tflite，ONNX，OpenVINO，无数推理引擎blob和.pb。支持使用Docker构建

  2. tflite2tensorflow 从.tflite生成saved_model，tfjs，t​​f-trt，EdgeTPU，CoreML，量化的tflite，ONNX，OpenVINO，无数推理引擎blob和.pb。 1.支持的图层 不。 TFLite层 TF层 评论 1个 CONV_2D tf.nn.conv2d 2个 DEPTHWISE_CONV_2D tf.nn.depthwise_conv2d 3 MAX_POOL_2D tf.nn.max_pool 4 软垫 tf垫

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：34mb
    • 提供者：weixin_42174098

  1. elfi:ELFI-无可能性推理引擎-源码

  2. 版本0.7.7已发布！ 请参阅和。 注意：目前，NetworkX 2与ELFI不兼容。 ELFI-无可能性推理引擎 ELFI是一个用Python编写的统计软件包，用于无近似推理（LFI），例如近似贝叶斯计算（ ）。 术语LFI是指一系列推论方法，这些推论方法将似然函数的使用替换为数据生成模拟器函数。 ELFI具有易于使用的生成建模语法，并支持开箱即用的并行推理。 当前实施的LFI方法： ABC拒绝采样器 顺序蒙特卡洛ABC采样器 带有SMC-ABC采样器 SMC-ABC采样器 其他值

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：239kb
    • 提供者：weixin_42178963

  1. atomspace:OpenCog（超级）图形数据库和图形重写系统-源码

  2. OpenCog AtomSpace OpenCog AtomSpace是一个RAM知识表示（KR）数据库，一个关联的查询引擎和图形重写系统以及一个规则驱动的推理引擎，可以应用和操纵规则序列来执行推理。 它是一种RAM中的广义超图（元图）数据库。 元图提供了更高效，更灵活，更强大的表示图方式： 最重要的是，Atomspace提供了许多其他地方无法使用的高级功能。 AtomSpace是用于构建人工智能（AGI）系统的平台。 它提供了OpenCog的中央知识表示组件。 因此，它是一个相当成熟的组件

  3. 所属分类：其它

  1. sense:使用任何RGB相机查看并与人类互动的能力来增强您的应用程序-源码

  2. 最新的实时动作识别 • ••• •• sense是一个推理引擎，可为功能强大的神经网络提供动作识别功能，且计算量较小。 在此存储库中，我们提供： 开箱即用的两个模型已经在数百万个在摄像机前执行动作并与之交互的人类视频中进行了预训练。 这两个神经网络都很小，高效，并且可以在CPU上实时平稳运行。 演示应用程序展示了我们模型的潜力：手势识别，健身活动跟踪，实时卡路里估算。 记录和注释您自己的视频数据集的管道，并通过易于使用的脚本在我们的模型上训练自定义分类器，以微调权重。 手势识别 （完

  3. 所属分类：其它

    • 发布日期：2021-03-16
    • 文件大小：43mb
    • 提供者：weixin_42126668

  1. TNN:人工神经网络-源码

  2. 介绍 TNN是用于移动设备的高性能，轻量级推理框架。 它提供了许多高级功能，例如跨平台，模型压缩和代码修剪。 TNN受主流开源行业框架的启发，集成并利用了Youtu Lab的Rapidnet，ncnn框架。 它还结合了来自各个部门（PCG，TEG，IEG）的深度学习框架Oteam的工作，以创建企业级移动推理引擎。 目前，已经启动了TNN，以支持Youtu Lab和Guangying Studio中的各种产品。 效果示例 人脸检测（blazeface） 目标检测（yolov5s） 脸部对齐（来

  3. 所属分类：其它

    • 发布日期：2021-03-15
    • 文件大小：22mb
    • 提供者：weixin_42134144

  1. Forward:一个用于在NVIDIA GPU上进行高性能深度学习推理的库-源码

  2. 转发-用于在NVIDIA GPU上进行高性能深度学习推理的库 [] 向前 Forward是一个用于在NVIDIA GPU上进行高性能深度学习推理的库。 它提供了一个精心设计的方案，可以直接将Tensorflow / PyTorch / Keras模型解析为基于的高性能引擎。 与TensorRT相比，它易于使用且易于扩展。 到目前为止，Forward不仅支持CV，NLP和Recommend领域的主流深度学习模型，还支持一些高级模型，例如BERT，GAN，FaceSwap和StyleTransfer

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：73mb
    • 提供者：weixin_42100129

  1. Rule-based_Expert_System:课程项目-源码

  2. 基于规则的专家系统-图形检测 前言 此项目是人工智能的课程项目。具体要求为实现一个基于规则的专家系统，进行进行简单直线型几何图形的形状检测。项目实现的重点在于规则的表示，推理引擎的合并，合并的合并，图片的预备和用户界面。项目实现语言为Python，图片预用到了OpenCV，用户界面用到了wxPython。专家系统的设计参考了第2章。如有任何对项目的改进建议，欢迎评论。：〜） 目录 概述 图形检测专家系统的运作流程为： 通过图片预先得到一个基本事实（即图形中各线段端点坐标） 处理这一组基本事实，产

  3. 所属分类：其它

  1. neural-fuzzy:平衡倒立摆的神经模糊系统-源码

  2. 神经模糊 平衡倒立摆+ GUI训练界面的神经模糊系统。 算法基于： Yamakawa，T，“非线性模拟模式下的模糊推理引擎及其在模糊逻辑控制中的应用。”，IEEE Trans。 Neural Networks 4（3），第496-522页，1993年。 Nomura，H.，Hayashi，I.和Wakami，N .:一种通过下降法进行模糊控制的自整定方法，见：Proc。 IFSA第四届代表大会，1991年，布鲁塞尔，第155-158页。 网络结构（野村等人，1991）： 培训界面：

  3. 所属分类：其它

  1. quick-serve:只需不到3行代码即可快速部署ML模型！-源码

  2. 快速服务 通过jupyter笔记本快速构建推理引擎，并以3行代码在Web和Edge上进行部署。 [正在开发中] 关于入门的注意事项 请检查requirements.txt以获取依赖项列表。 安装脚本将在以后添加。 演示笔记本/提交视频中使用的预训练模型来自成员之一建立的CV库。 为了在本地计算机上进行评估，可以在下载。 ngrok也是一个依赖项。 将来的提交将集中在基于API的身份验证上，但是目前，应该从CLI进行ngrok身份验证。 所有功能都通过linux计算机（Ubuntu 18.

  3. 所属分类：其它

  1. People-counter-app：在Intel Edge设备上部署People Counter-App-源码

  2. 在边缘部署People Counter App 细节 程式语言： Python 3.5或3.6 它能做什么 人员计数器应用程序将演示如何使用英特尔:registered:硬件和软件工具创建智能视频IoT解决方案。 该应用程序将检测指定区域中的人员，并提供框架中的人员数量，框架中人员的平均时长和总数。 怎么运行的 该计数器将使用OpenVINO:trade_mark:工具包的英特尔:registered:发行版中包含的推理引擎。 使用的模型应该能够识别视频帧中的人物。 该应用程序应计算当前框架

  3. 所属分类：其它

    • 发布日期：2021-02-19
    • 文件大小：67mb
    • 提供者：weixin_42117037

  1. 人体追踪器：这是一种可用于检测和追踪人类的软件-源码

  2. 在边缘部署People Counter App 细节 程式语言： Python 3.5或3.6 它能做什么 人员计数器应用程序将演示如何使用英特尔:registered:硬件和软件工具创建智能视频IoT解决方案。 该应用程序将检测指定区域中的人员，并提供框架中的人员数量，框架中人员的平均时长和总数。 怎么运行的 该计数器将使用OpenVINO:trade_mark:工具包的英特尔:registered:发行版中包含的推理引擎。 使用的模型应能够识别视频帧中的人物。 该应用程序应计算当前框架中

  3. 所属分类：其它

    • 发布日期：2021-02-18
    • 文件大小：25mb
    • 提供者：weixin_42119358

  1. computer_pointer-源码

  2. 电脑指针控制器 介绍 它能做什么 该项目演示了如何使用英特尔OpenVino ToolKit中的InferenceEngine API来构建应用程序，该应用程序可以通过眼睛移动来控制计算机的鼠标。 在此项目中，我们使用“凝视估计”，您可以在找到估计用户的眼睛并更改鼠标位置的方法。 怎么运行的 计算机指针控制器使用OpenVINO:trade_mark:工具的英特尔:registered:发行版中包含的推理引擎和Python自动GUI 库来移动计算机指针。 注视估计模型需要三个输入（头部姿势，左

  3. 所属分类：其它

  1. 边缘人员计数器：使用Intel OpenVino Toolkit在边缘上部署人员计数器应用程序-源码

  2. 在边缘部署People Counter App 单击上面的图像查看演示视频或使用的链接 目录 它能做什么 人员计数器应用程序将演示如何使用英特尔:registered:硬件和软件工具创建智能视频IoT解决方案。 该应用程序将检测指定区域中的人员，并提供框架中的人员数量，框架中人员的平均时长和总数。 我强烈建议您阅读 怎么运行的 该计数器将使用OpenVINO:trade_mark:工具包的英特尔:registered:发行版中包含的推理引擎。 使用的模型应能够识别视频帧中的人物。 该应用程序应

  3. 所属分类：其它

  1. people-counter-cpp：使用Intel OpenVINO分发工具包创建智能视频应用程序。 该工具包使用模型和推理来运行单类对象检测-源码

  2. 人事柜台 细节 目标操作系统： Ubuntu * 18.04 LTS 程式语言： C ++ 完成时间： 45分钟 它能做什么 此应用程序是一系列IoT参考实现中的一个，它说明了如何针对特定问题开发可行的解决方案。 它演示了如何使用英特尔:registered:硬件和软件工具创建智能视频IoT解决方案。 该人员计数器解决方案可以检测指定区域中的人员，从而提供框架中的人员数量，框架中的平均持续时间以及总数。 这个怎么运作 该计数器使用英特尔:registered:OpenVINO:trad

  3. 所属分类：其它

  1. SWRL_原因-源码

  2. SWRL_原因 这是在云计算环境中使用分布式表结构的SWRL推理引擎。 如果您有任何疑问或意见，请随时通过电子邮件[ ]与我们联系。 资料格式 该模型的数据为nt格式-基本上是Prolog语法： GraduateStudent47 type GraduateStudent GraduateStudent47 name "GraduateStudent47" GraduateStudent47 memberOf University7 GraduateStudent47 emailAddres

  3. 所属分类：其它

  1. larq：用于训练二值化神经网络的开源库-源码

  2. Larq是一个开源深度学习库，用于训练具有极低精度权重和激活的神经网络，例如Binarized Neural Networks（BNN）。 现有的深度神经网络使用32位，16位或8位来对每个权重和激活进行编码，从而使它们变大，缓慢且耗电。 这禁止了资源受限环境中的许多应用程序。 Larq是解决此问题的第一步。 它旨在基于tf.keras接口提供一种易于使用，可组合的方式来训练BNN（1位）和其他类型的量化神经网络（QNN）。 注意，使用训练有素的BNN进行有效推理需要使用优化的推理引擎。 我们

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：77kb
    • 提供者：weixin_42144554

  1. 区域：微小的，毫无意义的，自包含的，Tensorflow和ONNX推理-源码

  2. Sonos的神经网络推理引擎。 该项目以前称为tfdeploy，或Tensorflow-deploy-rust。 什么 ？ tract是一个神经网络推理工具包。 它可以读取Tensorflow 1，ONNX或NNEF，对其进行优化并通过它们运行数据。 快速开始 在风景区 ONNX 截至今天（2020年10月）中， tract通的ONNX后端测试成功约85％。 Onnx测试套件中的所有“现实生活”集成测试都通过了：bvlc_alexnet，densenet121，inception_v1，i

  3. 所属分类：其它

  1. ML-示例：Arm Machine Learning教程和示例-源码

  2. ML范例 使用的机器学习教程和示例的源代码。 项目和教程 手臂NN MNIST 使用Arm NN推理引擎部署TensorFlow MNIST模型。 Arm NN量化移动网络 使用Arm NN推理引擎部署TensorFlowLite量化MobileNet V1模型。 Arm开发人员网站（TBD）上的教程 是的，世界 使用TensorFlow探索手势识别并在Raspberry Pi 4 Model B，Pi 3和Pi Zero上转移学习。 多手势识别 从零开始训练卷积神经网络，以使用Tensor

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：77mb
    • 提供者：weixin_42129412

  1. 计算引擎：用于二值神经网络的高度优化的推理引擎-源码

  2. Larq计算引擎 Larq Compute Engine（LCE）是高度优化的推理引擎，用于部署高度量化的神经网络，例如Binarized Neural Networks（BNN）。 它目前支持各种移动平台，并已在Pixel 1手机和Raspberry Pi上进行了基准测试。 LCE为支持的指令集提供了手动优化的自定义运算符的集合，这些指令集是内联汇编或使用编译器内在函数以C ++开发的。 LCE利用优化技术，例如平铺以最大化缓存命中次数，矢量化以最大化计算吞吐量，以及多线程并行化以利用多核现

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：225kb
    • 提供者：weixin_42104778

  1. Paddle-Lite：多平台高性能深度学习推理引擎（『飞桨』多平台高级深度学习预测引擎）-源码

  2. 桨轻 |简体中文 Paddle Lite是一个高效，轻量级，增强强且易于扩展的深度学习推理框架，定位支持包括移动端，嵌入式以及服务器端内部的多硬件平台。 当前Pad Lite不仅在百度内部业务中得到全面应用，也成功支持了众多外部用户和企业的生产任务。 快速入门 使用Padd Lite，只需几个简单的步骤，就可以把模型部署到多个终端设备中，运行高效的推理任务，使用流程如下所示： 一。准备模型 Lite框架直接支持模型结构为深度学习框架模型的模型格式。当前PaddlePaddle用于推理的模型是

  3. 所属分类：其它

« 12 3 »