Startseite Projekte EfficientFormer
EfficientFormer
Python

EfficientFormer

EfficientFormerV2 [ICCV 2023] & EfficientFormer [NeurIPs 2022]

von snap-research · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Kategorie
Sprache
deep-learningdetectionefficient-inferencePython
Auf GitHub ansehen
In einfachen Worten

Generieren und optimieren Sie KI-Modelle für mobile Geräte mit Fokus auf Geschwindigkeit und Effizienz.

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 →
EfficientFormer — GitHub preview card
📈 Sternhistorie
1 1171 116
2026-07-202026-08-31
📈 EfficientFormer verfolgen

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

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

EfficientFormerV2 [ICCV 2023] & EfficientFormer [NeurIPs 2022]

EfficientFormer hat 1.1k Sterne auf GitHub. Es wurde 96-mal geforkt. EfficientFormer ist hauptsächlich in Python geschrieben. Es wird seit 2022 aktiv entwickelt. Die Hauptthemen sind: deep-learning, detection, efficient-inference, efficient-neural-networks.

Frequently asked questions

Was ist EfficientFormer?

EfficientFormerV2 [ICCV 2023] & EfficientFormer [NeurIPs 2022]

Ist EfficientFormer Open Source?

EfficientFormer ist ein Open-Source-Projekt.

Ist EfficientFormer kostenlos?

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

In welcher Sprache ist EfficientFormer geschrieben?

EfficientFormer ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — EfficientFormer

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

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

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