Usb Accelerator 相关的热门 GitHub AI项目仓库

TT-NN算子库和TT-Metalium底层内核编程模型

包含英特尔 Movidius 神经计算棒的示例。

该项目利用FPGA加速卷积神经网络（CNN）计算，速度比CPU快50倍以上。

QKeras：一个用于 TensorFlow Keras 的量化深度学习库

基于YOLOv3/Tiny-YOLOv3目标检测模型，使用树莓派3B/Ubuntu笔记本电脑，并结合英特尔神经计算棒NCS/NCS2以及USB摄像头，通过Python和OpenVINO™工具套件进行开发。

嵌入式系统和物联网中张量处理单元的实现

USB：通用尺度目标检测基准测试 (BMVC 2022)

树莓派3（使用Raspbian Stretch系统或Ubuntu系统）或其他兼容设备，搭配英特尔神经计算棒（NCS或NCS2）、RealSense D435深度摄像头（或USB摄像头/树莓派摄像头），实现最高30帧每秒的高性能目标检测。系统集成MobileNet-SSD目标检测模型、简单的多类别分割（实现背景透明化）、人脸检测、多图显示、多进程处理和多聚类分析等功能。

基于Vivado HLS的CNN FPGA加速器

用于加速推理的机器学习模型优化产品

关于Transformer模型硬件实现的研究和资料

用于 GEMM 和 AI 加速器的代数优化

免费的FPGA TPU，配备支持Pytorch/Caffe/Darknet/NCNN的编译器。这是一款人工智能处理器，利用赛灵思FPGA解决图像分类、检测和分割问题。

深度图学习加速的阅读清单

基于FPGA的小型张量处理单元

免费的TPU V3plus FPGA版本是商用AI处理器（EEP-TPU）的免费版，用于深度学习边缘推理。

一款基于FPGA的CNN加速器，设计理念参考了谷歌TPU V1。

适用于各种卷积神经网络的通用神经处理单元（CNN加速器）的硬件设计

一个计算机视觉容器，包含带有内置代码提示的Jupyter Notebook、Anaconda、CUDA 11.8、用于Tensor核心的TensorRT推理加速器、CuPy（NumPy的GPU替代品）、PyTorch、用于图神经网络的PyTorch Geometric、TF2、TensorBoard和OpenCV，可在NVIDIA Tensor核心和GPU上加速工作负载。

Zero123 的扩散模型实现。Zero-1-to-3：零样本单图像到三维物体的转换（ICCV23）