Startseite Projekte TensorRT
TensorRT
Python

TensorRT

PyTorch/TorchScript/FX-Compiler für NVIDIA GPUs mit TensorRT

von pytorch · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Kategorie
Sprache
cudadeep-learningjetsonBSD-3-ClausePython
Auf GitHub ansehen
In einfachen Worten

Beschleunigen Sie, wie schnell Ihre KI-Modelle auf NVIDIA-GPUs Vorhersagen treffen, mit nur einer Codezeile.

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 →
TensorRT — GitHub preview card
📈 Sternhistorie
2 9772 975
2026-07-072026-08-31
📈 TensorRT verfolgen

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

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

PyTorch/TorchScript/FX-Compiler für NVIDIA GPUs mit TensorRT

TensorRT hat 3k Sterne auf GitHub. Es wurde 407-mal geforkt. TensorRT ist hauptsächlich in Python geschrieben. Es wird seit 2020 aktiv entwickelt. TensorRT ist unter der BSD-3-Clause-Lizenz verfügbar. Die Hauptthemen sind: cuda, deep-learning, jetson, libtorch.

Frequently asked questions

Was ist TensorRT?

PyTorch/TorchScript/FX-Compiler für NVIDIA GPUs mit TensorRT

Ist TensorRT Open Source?

TensorRT ist ein Open-Source-Projekt. Es wird unter der BSD-3-Clause-Lizenz veröffentlicht.

Ist TensorRT kostenlos?

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

Unter welcher Lizenz steht TensorRT?

TensorRT ist unter der BSD-3-Clause-Lizenz verfügbar.

In welcher Sprache ist TensorRT geschrieben?

TensorRT ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — TensorRT

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

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

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