nnstreamer
2.0.1
神經網絡支持作為GSTREAMER插件。
NNStreamer是一組GSTREAMER插件，可讓GSTREAMENER開發人員輕鬆有效地採用神經網絡模型和神經網絡開發人員來管理神經網絡管道及其過濾器。
建築描述（WIP）
朝向帶有流管線的設備AI設備AI，IEEE/ACM ICSE 2022 SEIP
NNSTREAMER：在設備AI系統的高效和敏捷開發，IEEE/ACM ICSE 2021 SEIP [媒體]
NNStreamer：神經網絡的流處理範例... [PDF/Tech Report]
GSTREAMER會議2018，NNStreamer [Media] [PDF/Slides]
Naver Tech Talk（韓文），2018 [媒體] [PDF/幻燈片]
三星開發人員會議2019年，NNStreamer（媒體）
NNStreamer的ResearchGate頁面
| 蒂森 | Ubuntu | 安卓 | Yocto | macos | |
|---|---|---|---|---|---|
| 5.5平方米及以後 | 16.04 /18.04/20.04/22.04 | 13 | 柯克斯通 | ||
| 手臂 | 可用的 | 可用的 | 準備好 | N/A。 | |
| ARM64 | 可用的 | N/A。 | |||
| x64 | 準備好 | 準備好 | 可用的 | ||
| 發布 | Tizen Repo | PPA | 每日構建 | 層 | 釀造水龍頭 |
| API | C/C＃（官方） | c | 爪哇 | c | c |
準備就緒：CI系統可確保建立能力和單位測試。用戶可以輕鬆構建和執行。但是，我們沒有此實例的自動發布和部署系統。
可用：二進制軟件包將與CI測試一起自動釋放並自動部署。
每日發行
SDK支持：Tizen Studio（5.5 m2+） / Android Studio（Jcenter，“ NNStreamer”）
啟用了官方版本的功能
為GSTREAMER流提供神經網絡框架連接（例如，Tensorflow，Caffe）。
AI項目的有效流媒體流：將高效且靈活的流管線應用於神經網絡。
智能媒體過濾器！ ：使用神經網絡模型作為媒體過濾器 /轉換器。
複合型號！ ：單個流管線實例中的多個神經網絡模型。
多模態智能！ ：神經網絡模型的多個來源和流路徑。
使用DeFacto-Standard Media流框架GSTREAMER提供簡單的方法來通過神經網絡模型構建媒體流。
GSTREAMER用戶：使用神經網絡模型，就好像它們是另一個媒體過濾器一樣。
神經網絡開發人員：輕鬆有效地管理媒體流。
Myungjoo火腿
鍾月
Geunsik Lim
Sangjung Woo
Wook歌
Jaeyun Jung
Hyoungjoo Ahn
Parichay Kapoor
Dongju Chae
Gichan Jang
Yongjoo Ahn
李小龍
請注意，該項目剛剛開始，許多組件都處於設計階段。在組件描述頁面中，我們描述了以下三個類別的NNStreamer組件：數據類型定義，Gstreamer元素（插件）和其他MISC組件。
有關更多詳細信息，請訪問以下手冊。
對於Tizen，Debian和Ubuntu等Linux的系統，請在此處按此處。
對於MacOS系統，請按此處。
要為Android構建API庫，請在此處按下。
邊緣示例
帶有NNStreamer的產品
NNStreamer示例應用程序：github /屏幕截圖
CI服務狀態
Taos-CI配置文件，用於NNStreamer。
儘管框架可能像TensorFlow-GPU一樣透明地加速，但NNStreamer提供了各種硬件加速subplugins。
Movidius-X通過NCSDK2 Subplugin：發布
Movidius-X通過OpenVino Subplugin：釋放
Edge-TPU通過Edgetpu Subplugin：發布
通過NNFW（一個舊名稱）Subplugin的一個運行時間：發布
Armnn通過Armnn Subplugin：釋放
Verisilicon-Vivante通過Vivante Subplugin：釋放
通過SNPE Subplugin的高通SNPE：發布
通過QNN Subplugin：Qualcomm ai Engine Direct（QNN）：發布
NVIDIA通過Tensorrt Subplugin：釋放
Tri-X NPU：發布
NXP I.MX系列：通過供應商
其他：TVM，TensorFlow，TensorFlow-Lite，Pytorch，Caffe2，Snap，...
歡迎捐款！請參閱我們的貢獻指南以獲取更多詳細信息。
