Inicio Proyectos hls4ml
hls4ml
Python

hls4ml

Aprendizaje automático en FPGAs utilizando HLS

por fastmachinelearning · GitHub
Estrellas
Ramas
Licencia
Creado
Último commit
Categoría
Lenguaje
fpgahlsintel-hlsApache-2.0Python
Ver en GitHub
En palabras simples

Ejecute modelos de aprendizaje automático en hardware especializado para un procesamiento rápido utilizando programación de alto nivel.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
hls4ml — GitHub preview card
📈 Historial de estrellas
2.1k2.0k
2026-07-072026-08-31
📈 Sigue hls4ml

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Aprendizaje automático en FPGAs utilizando HLS

hls4ml tiene 2.1k estrellas en GitHub. Se ha bifurcado 571 veces. hls4ml está escrito principalmente en Python. Se desarrolla activamente desde 2017. hls4ml está disponible bajo la licencia Apache-2.0. Sus temas principales son: fpga, hls, intel-hls, keras.

Frequently asked questions

¿Qué es hls4ml?

Aprendizaje automático en FPGAs utilizando HLS

¿hls4ml es de código abierto?

hls4ml es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.

¿hls4ml es gratis?

Sí. hls4ml es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está hls4ml?

hls4ml está disponible bajo la licencia Apache-2.0.

¿En qué lenguaje está escrito hls4ml?

hls4ml está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — hls4ml

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=fastmachinelearning-hls4ml)](https://olud.ai/project/fastmachinelearning-hls4ml.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.