Início Projetos EfficientFormer
EfficientFormer

EfficientFormer

por snap-research · GitHub

EfficientFormerV2 [ICCV 2023] & EfficientFormer [NeurIPs 2022]

Ver no GitHub
Em palavras simples

Gere e otimize modelos de IA para dispositivos móveis, focando em velocidade e eficiência.

⭐ Estrelas
🍴 Forks
📜 Licença
Licença não especificada
📅 Criado
🔄 Último commit
🏷️ Categoria
💻 Linguagem
Mantem este projeto?

Reivindique a sua pagina: indexada seja qual for a posicao, traduzida em seis linguas e enriquecida com as suas palavras.

Reivindicar esta pagina →
EfficientFormer — GitHub preview card
📈 Histórico de estrelas
1 1171 116
2026-07-202026-07-29
📈 Acompanhe EfficientFormer

Receba um alerta por e-mail no próximo lançamento ou quando começar a bombar.

Grátis · sem cartão · cancele quando quiser
Receber alertas por e-mail →
📄 Sobre

EfficientFormerV2 [ICCV 2023] & EfficientFormer [NeurIPs 2022]

EfficientFormer tem 1.1k estrelas no GitHub. Foi bifurcado 96 vezes. EfficientFormer é escrito principalmente em Python. Está em desenvolvimento ativo desde 2022. Os seus principais temas são: deep-learning, detection, efficient-inference, efficient-neural-networks.

Frequently asked questions

O que é EfficientFormer?

EfficientFormerV2 [ICCV 2023] & EfficientFormer [NeurIPs 2022]

EfficientFormer é de código aberto?

EfficientFormer é um projeto de código aberto.

EfficientFormer é gratuito?

Sim. EfficientFormer é gratuito e de código aberto — você pode usá-lo, modificá-lo e hospedá-lo por conta própria.

Em que linguagem EfficientFormer está escrito?

EfficientFormer é escrito principalmente em Python.

🏅 Mantenedor deste projeto?
OpenSourceAI badge — EfficientFormer

Adicione este badge ao vivo ao seu README — suas estrelas do GitHub e classificação no diretório, atualizadas diariamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=snap-research-efficientformer)](https://opensourceai.tech/project/snap-research-efficientformer.html)
Mais opções de badge →
🧬 Partilha ADN com🧬 Ver o mapa de ADN →

Medido a partir dos topics do GitHub comuns aos dois projetos, ponderados pela sua raridade.