Home Progetti onnx-tensorrt
onnx-tensorrt

onnx-tensorrt

di onnx · GitHub

ONNX-TensorRT: backend TensorRT per ONNX

Visualizza su GitHub
In parole semplici

Esegui modelli di machine learning su hardware NVIDIA per un'elaborazione più veloce dei dati.

⭐ Stelle
🍴 Fork
🔥 Tendenze
📜 Licenza
Uso commerciale consentito
📅 Creato
🔄 Ultimo commit
🏷️ Categoria
💻 Lingua
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 →
onnx-tensorrt — GitHub preview card
📈 Storia delle stelle
3.22k3.21k
2026-07-072026-07-29
📈 Segui onnx-tensorrt

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

ONNX-TensorRT: backend TensorRT per ONNX

onnx-tensorrt ha 3.2k stelle su GitHub. È stato forkato 550 volte. onnx-tensorrt è scritto principalmente in C++. È in sviluppo attivo dal 2018. onnx-tensorrt è disponibile con licenza Apache-2.0. I suoi temi principali sono: deep-learning, nvidia, onnx.

Frequently asked questions

Che cos'è onnx-tensorrt?

ONNX-TensorRT: backend TensorRT per ONNX

onnx-tensorrt è open source?

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

onnx-tensorrt è gratuito?

Sì. onnx-tensorrt è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

Con quale licenza è onnx-tensorrt?

onnx-tensorrt è disponibile con licenza Apache-2.0.

In quale linguaggio è scritto onnx-tensorrt?

onnx-tensorrt è scritto principalmente in C++.

🏅 Manutentore di questo progetto?
OpenSourceAI badge — onnx-tensorrt

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

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=onnx-onnx-tensorrt)](https://opensourceai.tech/project/onnx-onnx-tensorrt.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.