AI2Edge - AI 和边缘计算的资源合集

本仓库提供与人工智能（AI）在边缘计算相关的资源集合，目标是帮助开发者、研究人员和爱好者构建、部署和优化边缘设备的 AI 应用。

分类

• AI 框架和库：专为边缘设备运行 AI 模型设计的框架和库。
• 边缘 AI 硬件：适合 AI 应用的边缘设备和平台。
• 教程和指南：实施边缘计算 AI 的分步指南和教程。
• 研究论文：与 AI 和边缘计算相关的著名论文和文章。
• 工具和实用程序：协助开发和管理边缘设备 AI 应用的工具。
• 社区和活动：专注于 AI 和边缘计算的社区资源、论坛和活动。

AI 框架和库

• TensorFlow Lite - 轻量级 TensorFlow，用于移动和嵌入式设备。
• PyTorch Mobile - 优化移动和嵌入式设备的 PyTorch 框架。
• ONNX Runtime - 可在多种平台运行的 ONNX 模型运行时，包括边缘设备。
• MNN - 轻量级深度学习框架，适用于边缘设备。
• NCNN - 高性能神经网络推理框架，优化移动和边缘设备。
• TFLite Micro - TensorFlow Lite for microcontrollers。
• Edge Impulse - 构建、测试和部署边缘设备机器学习模型的平台。
• ARM Compute Library - 加速 ARM 处理器计算密集型工作的库。
• OpenVINO - 优化和部署 Intel 硬件 AI 推理的工具包。
• Core ML - Apple 的框架，集成 iOS、macOS 等平台的机器学习模型。

边缘 AI 硬件

• Google Coral - 加速 AI 推理的 Edge TPU 设备。
• NVIDIA Jetson - 用于 AI 和机器人学的嵌入式计算平台系列。
• Movidius Myriad - 低功耗 AI 应用的视觉处理单元。
• Kendryte K210 - 基于 RISC-V 的 AI 芯片，适用于边缘设备。
• Espressif ESP32-S3 - 具有 AI 能力的微控制器。
• Maxim MAX78000 - 集成 AI 加速器的微控制器。
• STM32N6 - 集成 AI 加速器的微控制器。

工具

平台

教程和指南

• TensorFlow Lite 在 Raspberry Pi 上的入门
• 使用 ESP32 构建 AI 驱动的边缘设备
• Arduino 的边缘 AI
• 在边缘设备上部署机器学习模型

研究论文

• 边缘智能：分布式 AI 的铺路石
• 边缘计算用于人工智能的调查
• 边缘 AI：挑战与机会的调查

工具和实用程序

• 模型压缩工具包 - 压缩和优化边缘设备机器学习模型的工具。
• NNabla - 支持边缘设备模型优化的深度学习框架。
• TVM - 可优化各种边缘硬件的机器学习模型编译器。

社区和活动

• LinkedIn 上的边缘 AI 社区 - 讨论 AI 和边缘计算的职业社区。
• 边缘计算和 AI 聚会 - 线下活动和讨论会。
• 边缘 AI 会议 - 专注于边缘 AI 的行业会议。

其他开源合集

• awesome-edge-computing - 精选的边缘计算资源列表。
• edge-ai - 嵌入式 AI 资源的精选列表。

贡献

欢迎贡献！请遵循以下指南：

• 检查资源是否已存在于列表中。
• 保持描述简短、简洁。
• 确保资源与 AI 和边缘计算相关。
• 通过拉取请求提交您的添加。

许可

本仓库采用 MIT 许可。