Startseite Projekte hls4ml
hls4ml
Python

hls4ml

Maschinelles Lernen auf FPGAs mit HLS

von fastmachinelearning · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Kategorie
Sprache
fpgahlsintel-hlsApache-2.0Python
Auf GitHub ansehen
In einfachen Worten

Führen Sie maschinelle Lernmodelle auf spezialisierter Hardware für eine schnelle Verarbeitung mit Hochsprache-Programmierung aus.

Betreuen Sie dieses Projekt?

Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.

Diese Seite beanspruchen →
hls4ml — GitHub preview card
📈 Sternhistorie
2.1k2.0k
2026-07-072026-08-31
📈 hls4ml verfolgen

Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.

Kostenlos · ohne Karte · jederzeit abbestellbar
E-Mail-Alerts erhalten →
📄 Über

Maschinelles Lernen auf FPGAs mit HLS

hls4ml hat 2.1k Sterne auf GitHub. Es wurde 571-mal geforkt. hls4ml ist hauptsächlich in Python geschrieben. Es wird seit 2017 aktiv entwickelt. hls4ml ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: fpga, hls, intel-hls, keras.

Frequently asked questions

Was ist hls4ml?

Maschinelles Lernen auf FPGAs mit HLS

Ist hls4ml Open Source?

hls4ml ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.

Ist hls4ml kostenlos?

Ja. hls4ml ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.

Unter welcher Lizenz steht hls4ml?

hls4ml ist unter der Apache-2.0-Lizenz verfügbar.

In welcher Sprache ist hls4ml geschrieben?

hls4ml ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — hls4ml

Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.

[![olud.ai](https://olud.ai/badge.php?tool=fastmachinelearning-hls4ml)](https://olud.ai/project/fastmachinelearning-hls4ml.html)
Weitere Abzeichenoptionen →
🧬 Teilt DNA mit🧬 DNA-Karte ansehen →

Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.