Awesome GitHub RepositoriesModel Export Formats

This is a real-time object detection framework built on the YOLOv3 architecture, implemented in PyTorch. It provides a complete pipeline for identifying and localizing objects in images and video using a single neural network pass, combining a Darknet-53 backbone with multi-scale feature pyramids and anchor-based bounding box prediction. The framework extends beyond basic detection to include instance segmentation, human pose estimation, and multi-object tracking across video frames. It offers a model export toolkit that converts trained models through ONNX to CoreML, TensorFlow Lite, and Ten

YOLOX is a high-performance anchor-free YOLO, exceeding yolov3~v5 with MegEngine, ONNX, TensorRT, ncnn, and OpenVINO supported. Documentation: https://yolox.readthedocs.io/

This project is a structured learning curriculum and technical reference for mastering deep learning with TensorFlow. It provides a comprehensive guide for building, training, and deploying neural networks, combining theoretical fundamentals with practical implementation examples. The repository distinguishes itself by covering the end-to-end machine learning workflow, from low-level tensor mathematics and linear algebra to the creation of complex model architectures. It includes specific guidance on developing data pipelines for diverse data types, such as images, text, and time-series seque

YOLOv9 is a real-time computer vision framework and deep learning model designed for image classification, object detection, and instance segmentation. It functions as both a vision model and a trainer, allowing for the optimization of neural network weights on custom datasets using single or multiple GPUs. The framework utilizes programmable gradient information to perform high-speed identification and location of multiple objects within images and video streams. It extends beyond bounding box detection to provide instance segmentation and panoptic segmentation, which labels every pixel in a

CatBoost is a gradient boosting machine learning library used to train decision tree ensembles for regression, classification, and ranking tasks. It functions as a high-performance framework that provides a categorical data processor for transforming non-numeric features, a distributed trainer for large-scale datasets, and GPU acceleration to speed up model construction. The library distinguishes itself through native handling of categorical data and text features, removing the need for manual encoding. It includes a specialized model interpretability tool that leverages SHAP values and featu

TensorFlow.js is a JavaScript machine learning library and browser-based runtime used to build, train, and execute models. It functions as a WebGL accelerated tensor engine, providing a foundation for high-performance linear algebra operations and an automatic differentiation framework for computing gradients. The project distinguishes itself through its ability to run machine learning directly in web environments, supporting both client-side inference and browser-based training. It enables the deployment of Python-based models by converting Keras or TensorFlow models into compatible formats

PaddleGAN is a generative AI framework and deep learning computer vision library built on the PaddlePaddle framework. It serves as a toolkit for image and video synthesis, providing a collection of generative adversarial network implementations for creating synthetic visual content. The library focuses on advanced synthesis capabilities, including the generation of talking heads through lip motion synchronization and the creation of synthetic videos via motion transfer from driving sequences. It provides tools for domain-to-domain translation, allowing for image style transfer and the transfo

Este proyecto proporciona un conjunto de modelos ligeros de detección facial diseñados para inferencia de alta velocidad en dispositivos de computación de borde (edge computing). Se centra en una arquitectura de red neuronal compacta que permite la detección de rostros humanos en entornos caracterizados por recursos de cómputo limitados y restricciones de energía. El sistema cuenta con detectores faciales cuantizados disponibles en múltiples formatos para garantizar la compatibilidad entre diversas arquitecturas de hardware. Incluye utilidades para la exportación y cuantización de modelos, permitiendo que los pesos entrenados se conviertan a formatos estandarizados para un despliegue agnóstico al hardware. El proyecto cubre flujos de trabajo para el entrenamiento de modelos personalizados y el procesamiento de conjuntos de datos de imágenes para ajustar perfiles de precisión y velocidad. Admite tareas de visión artificial en tiempo real mediante el uso de aritmética de solo enteros y un runtime de inferencia basado en C para minimizar la sobrecarga en hardware embebido.

h2o-3 is a distributed machine learning platform and automated machine learning framework designed for training and deploying predictive models using distributed in-memory computing. It functions as a deep learning framework and a distributed model scoring engine, capable of operating as a Kubernetes ML cluster to process large datasets in parallel. The platform distinguishes itself through automated machine learning capabilities that automatically select the best algorithms and hyperparameters to optimize model performance. It provides specialized deep learning toolkits for tasks including i

BackgroundMattingV2 is a deep learning background matting tool and real-time image segmentation framework. It provides a system for isolating foreground subjects from high-resolution images and video feeds in real time. The project includes a deep learning model trainer for optimizing matting models through base convergence and end-to-end refinement. It also functions as a cross-runtime model exporter, converting trained neural networks into interchangeable formats for deployment across different software environments and hardware runtimes. The framework supports streaming processed webcam f

Este es un framework de machine learning para tratar diversas tareas de procesamiento de lenguaje natural como un problema unificado de texto a texto. Proporciona un toolkit para pre-entrenar y ajustar modelos transformer a gran escala, utilizando un sistema donde tanto las entradas como las salidas se formatean como secuencias de texto crudo. El framework se distingue por su sistema de entrenamiento distribuido, que utiliza estrategias basadas en malla para escalar pesos de modelos y lotes de entrenamiento a través de múltiples núcleos TPU. Soporta aprendizaje multitarea combinando diversos datasets en un único flujo de entrenamiento utilizando tasas de mezcla configurables, permitiendo que un único modelo maneje varias tareas de lenguaje. El sistema cubre una amplia gama de capacidades, incluyendo arquitecturas codificador-decodificador, decodificación de búsqueda de haz (beam-search) para generación de texto y flujos de trabajo de transfer learning. Incluye utilidades para la preparación de datasets de NLP, evaluación del rendimiento del modelo y exportación de checkpoints entrenados para servir en producción. La biblioteca soporta la carga de checkpoints de modelos pre-entrenados de varios tamaños para acelerar el desarrollo.

ByteTrack is a multi-object tracking framework that implements the ByteTrack algorithm, an ECCV 2022 method designed to recover occluded objects and reduce trajectory fragmentation. The core innovation of the project is its association algorithm, which processes every detection box—including low-confidence ones—by using separate high and low score thresholds, Kalman filter motion prediction, and Hungarian algorithm matching to produce consistent object identities across video frames. The project distinguishes itself by its comprehensive approach to handling occlusions and fragmented trajector

YOLO-World is a vision-language framework and open-vocabulary object detection model. It identifies objects in images and video based on free-form text prompts without requiring predefined category labels. The system enables the identification of arbitrary objects by fusing image features with text embeddings. It includes a specialized tool for automated image labeling, which generates bounding box annotations for custom datasets using text-based prompts. The project provides a deployment pipeline for converting models into quantized ONNX and TFLite formats, supporting real-time inference on

This project is a collection of TensorFlow 2.x machine learning tutorials and practical code examples. It serves as a deep learning implementation guide for constructing diverse neural network architectures, including convolutional, recurrent, and generative networks. The repository provides templates and examples for several specialized domains, including computer vision for image classification and object detection, natural language processing for text generation and language understanding, and generative AI for synthesizing data using adversarial networks and autoencoders. It also includes

Darkflow es un framework de detección de objetos y pipeline de visión artificial que proporciona una interfaz programática para realizar análisis de imágenes y detección de objetos en tiempo real. Funciona como una herramienta para cargar pesos, ajustar modelos y ejecutar inferencia tanto en imágenes estáticas como en feeds de video. El proyecto sirve como un convertidor que traduce configuraciones y pesos de Darknet a grafos de TensorFlow para permitir el reentrenamiento y el despliegue. Incluye un exportador de modelos que guarda los grafos entrenados en archivos protobuf portátiles para su uso en dispositivos móviles y nativos. El sistema cubre capacidades para entrenar y ajustar modelos de detección en datasets personalizados, con puntos de control de progreso para la recuperación del entrenamiento. También proporciona herramientas para la traducción de mapeo de pesos y el procesamiento de datos de imagen crudos a través de operaciones de tensores para producir cajas delimitadoras y puntuaciones de confianza.

Chinese-CLIP es un framework multimodal y modelo de visión-lenguaje diseñado para la recuperación intermodal y la generación de representaciones utilizando texto e imágenes en chino. Emplea una arquitectura de aprendizaje contrastivo para mapear datos visuales y textuales en un espacio vectorial compartido para cálculos de similitud. El sistema permite la búsqueda bidireccional, facilitando la recuperación de texto a imagen e imagen a texto. También proporciona clasificación de imágenes zero-shot, que identifica objetos dentro de imágenes sin requerir entrenamiento específico para la tarea. El proyecto incluye herramientas para el ajuste fino (fine-tuning) de modelos preentrenados en conjuntos de datos especializados mediante entrenamiento distribuido y aprendizaje contrastivo. También proporciona utilidades para exportar pesos de modelos a formatos optimizados para aumentar la velocidad de inferencia en entornos de producción.

Anomalib is a PyTorch-based library for visual anomaly detection, offering a modular framework, a comprehensive model zoo, and a benchmarking suite designed for industrial defect detection. It provides a wide range of algorithms—including generative, discriminative, teacher-student, and vision-language approaches—that support unsupervised, few-shot, and zero-shot settings. The library enables deployment through model export to ONNX and OpenVINO for edge devices, and includes a no-code web application for training and inference. It also features a command-line interface for orchestrating multi

MMdnn es un conversor y migrador de modelos de deep learning diseñado para traducir arquitecturas y pesos de redes neuronales entre diferentes frameworks como TensorFlow, PyTorch y Keras. Utiliza una representación intermedia estandarizada para desacoplar las estructuras de red y los pesos de las implementaciones específicas de cada framework, permitiendo la transformación de modelos preentrenados entre distintos entornos. El proyecto destaca por generar código de reconstrucción nativo en Python a partir de sus representaciones intermedias, lo que permite reconstruir y ajustar modelos en los entornos de destino. También incluye herramientas especializadas para el despliegue de modelos en dispositivos móviles, transformando modelos de deep learning a formatos compatibles como CoreML y TensorFlow Lite. El sistema ofrece un conjunto más amplio de capacidades, incluyendo la visualización de arquitecturas de redes neuronales para inspeccionar estructuras de grafos y metadatos, así como la ejecución de inferencia para validar que los modelos convertidos mantengan su comportamiento y precisión originales. Otras utilidades gestionan la recuperación de pesos preentrenados desde repositorios remotos y el ensamblaje de checkpoints de modelos desplegables.

RF-DETR is a Python library for training and deploying object detection, instance segmentation, and keypoint detection models built on a vision transformer architecture. It provides a unified command-line interface and Python API for the full workflow, from fine-tuning pretrained checkpoints on custom datasets to running inference on images, video files, and live camera streams. The project supports training on datasets in COCO or YOLO format, with automatic format detection and configurable augmentation pipelines. Models can be exported to ONNX, TFLite, or TensorRT for deployment across edge

Composer es un framework de entrenamiento distribuido para PyTorch diseñado para escalar modelos a gran escala en clústeres de GPU multi-nodo. Funciona como un entrenador de modelos de lenguaje de gran tamaño (LLM), un optimizador de modelos distribuidos y un gestor del ciclo de vida de entrenamiento. El proyecto se diferencia como una biblioteca de regularización para deep learning, proporcionando técnicas de optimización especializadas como Sharpness Aware Minimization, MixUp y CutMix para mejorar la generalización del modelo. Además, distingue su flujo de entrenamiento mediante el uso de warmup de longitud de secuencia, congelación progresiva de capas y checkpointing de estado fragmentado (sharded-state) para la recuperación de modelos a gran escala. El framework cubre una amplia superficie de capacidades, incluyendo la orquestación de entrenamiento distribuido, la gestión de hardware de precisión mixta y el streaming de datos cloud-native. También proporciona herramientas extensas de monitoreo y observabilidad para diagnósticos de memoria de GPU, detección de divergencia en el entrenamiento y seguimiento del rendimiento (throughput). El proyecto incluye un lanzador de línea de comandos para automatizar la ejecución de trabajos de entrenamiento multi-GPU entre nodos.