Awesome GitHub RepositoriesHeader-Only Implementations

tiny-dnn is a header-only C++14 deep learning framework for building, training, and running inference on neural networks. It constructs static computational graphs at compile time using template-based layer composition, with a gradient-based backpropagation engine and minibatch stochastic gradient descent for training, all without external dependencies beyond the C++14 standard library. The framework supports importing pre-trained models from the Caffe framework directly, parsing its binary serialization format without requiring external protocol buffer libraries. It provides CPU-optimized te

Chips es un framework de biblioteca C modular y de solo encabezados diseñado para construir simuladores de hardware precisos a nivel de ciclo y replicar arquitecturas informáticas históricas de ocho bits. Proporciona los componentes fundamentales necesarios para construir sistemas vintage completos integrando microprocesadores emulados individuales y chips periféricos. El framework se distingue por una arquitectura basada en componentes donde los módulos de hardware se implementan como encabezados independientes que pueden conectarse entre sí para formar sistemas complejos. Modela las interacciones de hardware a un nivel bajo, utilizando emulación de señales a nivel de pin y comunicación de bus mapeada en memoria para asegurar un comportamiento determinista. Los desarrolladores pueden capturar todo el estado interno de un emulador en un búfer de memoria, permitiendo instantáneas persistentes y una restauración precisa del estado. El proyecto incluye un conjunto integral de herramientas de diagnóstico y desarrollo, como visualización de depuración en modo inmediato y monitoreo en tiempo real de registros del sistema y framebuffers. También proporciona utilidades de línea de comandos para automatizar la generación de definiciones de componentes de hardware y código fuente, facilitando la construcción de entornos embebidos personalizados.