Home Progetti ShuffleNet
ShuffleNet
Python

ShuffleNet

Implementazione ShuffleNet in TensorFlow

di MG2033 · GitHub
Stelle
Fork
Licenza
Creato
Ultimo commit
Lingua
classificationcomputer-visiondeep-learningApache-2.0Python
Visualizza su GitHub
In parole semplici

Esegui una versione leggera di ShuffleNet per la classificazione delle immagini su dispositivi mobili utilizzando TensorFlow.

Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
ShuffleNet — GitHub preview card
📈 Storia delle stelle
382381
2026-07-202026-08-31
📈 Segui ShuffleNet

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

Implementazione ShuffleNet in TensorFlow

ShuffleNet ha 381 stelle su GitHub. È stato forkato 124 volte. ShuffleNet è scritto principalmente in Python. È in sviluppo attivo dal 2017. ShuffleNet è disponibile con licenza Apache-2.0. I suoi temi principali sono: classification, computer-vision, deep-learning, group-convolution.

Frequently asked questions

Che cos'è ShuffleNet?

Implementazione ShuffleNet in TensorFlow

ShuffleNet è open source?

ShuffleNet è un progetto open source. È rilasciato con licenza Apache-2.0.

ShuffleNet è gratuito?

Sì. ShuffleNet è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è ShuffleNet?

ShuffleNet è disponibile con licenza Apache-2.0.

In quale linguaggio è scritto ShuffleNet?

ShuffleNet è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — ShuffleNet

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![olud.ai](https://olud.ai/badge.php?tool=mg2033-shufflenet)](https://olud.ai/project/mg2033-shufflenet.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.