Home Progetti TensorRT
TensorRT
Python

TensorRT

Compilatore PyTorch/TorchScript/FX per GPU NVIDIA utilizzando TensorRT

di pytorch · GitHub
Stelle
Fork
Creato
Ultimo commit
Categoria
Lingua
cudadeep-learningjetsonBSD-3-ClausePython
Visualizza su GitHub
In parole semplici

Accelera la velocità con cui i tuoi modelli AI fanno previsioni su GPU NVIDIA con una sola riga di codice.

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 →
TensorRT — GitHub preview card
📈 Storia delle stelle
2 9772 975
2026-07-072026-08-31
📈 Segui 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

Compilatore PyTorch/TorchScript/FX per GPU NVIDIA utilizzando TensorRT

TensorRT ha 3k stelle su GitHub. È stato forkato 407 volte. TensorRT è scritto principalmente in Python. È in sviluppo attivo dal 2020. TensorRT è disponibile con licenza BSD-3-Clause. I suoi temi principali sono: cuda, deep-learning, jetson, libtorch.

Frequently asked questions

Che cos'è TensorRT?

Compilatore PyTorch/TorchScript/FX per GPU NVIDIA utilizzando TensorRT

TensorRT è open source?

TensorRT è un progetto open source. È rilasciato con licenza BSD-3-Clause.

TensorRT è gratuito?

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

Con quale licenza è TensorRT?

TensorRT è disponibile con licenza BSD-3-Clause.

In quale linguaggio è scritto TensorRT?

TensorRT è scritto principalmente in Python.

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

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=pytorch-tensorrt)](https://olud.ai/project/pytorch-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.