Startseite Projekte PocketFlow
PocketFlow
Python

PocketFlow

Ein automatischer Modellkompressionsrahmen (AutoMC) zur Entwicklung kleinerer und schnellerer KI-Anwendungen.

von Tencent · GitHub
Sterne
Forks
Erstellt
Letzter Commit
Kategorie
Sprache
automlcomputer-visiondeep-learningPython
Auf GitHub ansehen
In einfachen Worten

Komprimieren und beschleunigen Sie KI-Modelle für mobile Apps mit minimalem Aufwand.

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 →
PocketFlow — GitHub preview card
📈 Sternhistorie
2 9092 908
2026-07-072026-08-31
📈 PocketFlow verfolgen

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

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

Ein automatischer Modellkompressionsrahmen (AutoMC) zur Entwicklung kleinerer und schnellerer KI-Anwendungen.

PocketFlow hat 2.9k Sterne auf GitHub. Es wurde 490-mal geforkt. PocketFlow ist hauptsächlich in Python geschrieben. Es wird seit 2018 aktiv entwickelt. Die Hauptthemen sind: automl, computer-vision, deep-learning, mobile-app.

Frequently asked questions

Was ist PocketFlow?

Ein automatischer Modellkompressionsrahmen (AutoMC) zur Entwicklung kleinerer und schnellerer KI-Anwendungen.

Ist PocketFlow Open Source?

PocketFlow ist ein Open-Source-Projekt.

Ist PocketFlow kostenlos?

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

In welcher Sprache ist PocketFlow geschrieben?

PocketFlow ist hauptsächlich in Python geschrieben.

🏅 Wartender dieses Projekts?
olud.ai badge — PocketFlow

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

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

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