那些Github上和边缘云计算相关的仓库

74 views

关于边缘云计算的Python相关代码仓库

某天由于自己在搭边缘云计算的科研平台碰到了瓶颈,心里充满灰暗,于是想着想在github上找一下关于边缘云计算的仓库。一共找到一千多个,除去那些和图形学相关的和我觉得没有意义的无关仓库,整理出来的代码仓库列表如下:

rajeevraibhatia/ObjectDetectionEdge

该仓库是主要是用于构建一个及时的目标检测模型在英伟达Tx1板子上

  • 链接: https://github.com/rajeevraibhatia/ObjectDetectionEdge

samuel100/iot_edge_object_detection

该仓库用于在IoT边缘设备上构建Tensorflow模型,实现的功能对边缘设备上实时的视屏流进行目标检测。因此,边缘检测可以更加的靠近边缘设备而不是每一帧都要发送到远端进行计算。不过,需要注意的是,该仓库目前只能用于AMD或者Intel的处理器,不支持ARM的处理器(ps:额,这个有点坑)

  • 链接: https://github.com/samuel100/iot_edge_object_detection

Microsoft/MLontheEdgeCodeProject

该仓库是微软构建的一个样例用于在IoT边缘设备上使用微软的嵌入式学习仓库(Microsoft Embedded Learning Library ELL)进行机器学习服务(Azure Machine Learning)。

  • 个人评价: 大厂出品果然不一样,文档详细,而且使用的板子是树莓派,设备来说非常符合边缘设备的通常定义。
  • Watch: 5 Star: 1 Fork: 1
  • 链接: https://github.com/Microsoft/MLontheEdgeCodeProject

akaanirban/KafkaSparkEdge

该仓库在边缘设备上构建了一个Apach Kafka+Spark的容器

  • Wathch: 0 Start: 0 Fork: 1
  • 链接: https://github.com/akaanirban/KafkaSparkEdge

RonakDedhiya/Edge-Device-Monitoring

该仓库没有介绍,没有描述,让人心痛,然而这让我对它充满兴趣,打开里面的py文件仔细查看,发现这个项目应该是构建了一个边缘设备的监控应用,然而让人感到奇怪的是数据的获取居然是从CSV文件获取的,不应该是实时获取的吗?值得赞赏的是,不同于手动对边缘状态进行分类,他使用了决策树等模型对状态进行分类(ps:Nice idea)

  • Watch: 0 Star: 0 Fork: 0
  • 链接: https://github.com/RonakDedhiya/Edge-Device-Monitoring

VSChina/IoT_Edge_FaceDemo

该仓库构建了一个基于IoT 边缘设备的人脸识别的Demo。可以看出来,文档还是有很用心的写的。但是请注意的是,这个的物理环境是PC。

  • Watch: 8 Star: 0 Fork: 0
  • 链接: https://github.com/VSChina/IoT_Edge_FaceDemo

XiangyiXuWashU/AI-At-The-Edge-Device

该仓库在英伟达的嵌入式板子上构建了一个感知应用,感知算法主要是通过深度学习来进行的。比较有用的是,TA还做了一个IOS APP来进行控制。

  • Watch: 0 Star: 1 Fork: 0
  • 链接: https://github.com/XiangyiXuWashU/AI-At-The-Edge-Device

aaronchong888/Azure-IoT-Edge-Template

该仓库的贡献就和TA的标题一样,Azure IoT Edge服务的模板,文档没有,是根据教程一步一步来进行操作的。

  • Watch: 1 Star: 0 Fork: 0
  • 链接: https://github.com/aaronchong888/Azure-IoT-Edge-Template

DAI-Lab/AnonML

该仓库是作者论文代码的集合(ps: 论文作者是Bennett Cyphers)。这个项目在互不信任的群体间使用机器学习进行分类。该应用的角色包括两者,一个是数据提供方,一个是数据收集者,每个人都可以利用手中的数据进行学习,数据收集者需要利用多个数据提供方的数据进行学习,为了安全,数据收集者生成了一系列的签名,这些签名可以看做为公钥,每个公钥发送给收据提供方,数据提供方将数据转换成为高维特征和标签之后然后利用签名进行加密,然后通过Tor(洋葱)网络进行发送给数据收集者,数据收集者通过自己的私钥对数据进行解密,然后进行学习。在这个过程,每个人都是匿名者,每个用户的数据都得到了很好的保护。

  • Watch: 9 Star: 1 Fork: 0
  • 链接: https://github.com/DAI-Lab/AnonML

huytrinh93/FaceDetection

该仓库是论文代码,做的主要的工作是通过人脸检测来进行身份识别,手机端获得图片,然后选择压缩还是不压缩,发送到服务器端和数据库中的人脸进行匹配,最终得出用户的身份。

  • Watch: 1 Star: 0 Fork: 0
  • 论文连接: http://faculty.missouri.edu/calyamp/publications/energy-perf-mec-ficloud17.pdf
  • 代码链接: https://github.com/huytrinh93/FaceDetection

PaasmerIoT/Paasmer_Edge_Docker_V2_1

该仓库提供了一系列的边缘设备容器,同时通过这些容器你可以连接他们的web平台上,需要注意的是他们的web 平台是一个第三方的平台,不是运行在你本地的平台,通过web平台进行操作,你可以选择机器学习容器,值得关注的是他提供了一些可以定制化的操作,比如融合函数,过滤函数等。该平台可以放在所以支持linux内核的硬件条件上,也就意味着你可以把这个放在树莓派上。

  • Watch: 1 Star: 1 Fork: 1
  • 链接: https://github.com/PaasmerIoT/Paasmer_Edge_Docker_V2_1

vjrantal/iot-edge-darknet-module

该仓库构建了一个样例使用Darknet进行目标检测,该样例继承了Azure Iot Edge服务,所以你可以通过web界面进行可视化。该样例可以使用Jetson TX2, Raspberry Pi 3(使用docker可以解决物理环境不同的问题)。但是需要注意的是Jetson TX2与树莓派的时间差异大概有500倍的差异。

  • Watch: 4 Star: 14 Fork: 5
  • 链接: https://github.com/vjrantal/iot-edge-darknet-module

azugfr/RedShirtTour-IoT-Edge-AI-Lab

该仓库提供了IoT 边缘机器学习应用的一系列的教程,主要使用了Docker、Azure Iot Edge等技术。这一系类的教程从创建IoT组、可视化结果、注册设备、配置运行时、生成临时数据、流分析、数据处理模板、配置Azure机器学环境以及集成,可以说很好的为如何搭建边缘机器学习应用做出了一个很好的样例。

  • Watch: 5 Star: 15 Fork: 6
  • 链接: https://github.com/azugfr/RedShirtTour-IoT-Edge-AI-Lab

Azure-Samples/iotedge-scott-or-not

该仓库是官方的一个样例,通过捕捉图片,然后通过定制化的分析和处理,最终返回给IoT设备进行一个Action(动作)。

  • Watch: 23 Star: 20 Fork: 11
  • 链接: https://github.com/Azure-Samples/iotedge-scott-or-not

briandicky/360video-edge-rendering

该仓库构建了一个Edge协助下的360度视屏流。

  • Watch: 1 Star: 2 Fork: 3
  • 链接: https://github.com/briandicky/360video-edge-rendering

benjaminkarg/edgeAI

该仓库可以用来为嵌入式设备构建C代码,代码可以用来构建深度神经网络等应用。

  • Watch: 1 Star: 2 Fork: 1
  • 链接: https://github.com/benjaminkarg/edgeAI

dvillevald/hand_gesture_classifier

该仓库在树莓派上创建了一个手势识别应用用于控制。

  • Watch: 1 Star: 8 Fork: 1
  • 链接: https://github.com/dvillevald/hand_gesture_classifier

prashantyadla/EdgeFogCloudScheduler

该仓库模拟了边缘云调度的过程。使用RPC的方法进行任务迁移。

  • Watch: 1 Star: 0 Fork: 0
  • 链接: https://github.com/prashantyadla/EdgeFogCloudScheduler

PriyankaSelvan/Containerized-EdgeComputing

该仓库使用容器构建了边缘云计算平台,然而所起到的作用并不大

  • Watch: 3 Star: 0 Fork: 0
  • https://github.com/PriyankaSelvan/Containerized-EdgeComputing

alick/edge-cloud

该仓库是论文的代码,做的主要是边缘云的重构,同时包含异构和同构两种设计。

  • 论文链接: http://dl.acm.org/authorize?N17312
  • Watch: 2 Star: 0 Fork: 0
  • 链接: https://github.com/alick/edge-cloud

XTC0908/Dependable-Edge-computing

该仓库的想法不错,有依赖的边缘计算,用了一个车辆作为边缘节点作为模型,使用ROS进行模拟。但是还在开发中。

  • Watch: 2 Star: 0 Fork: 0
  • 链接: https://github.com/XTC0908/Dependable-Edge-computing

总结

以上就是全部一个一个过滤完之后的仓库了,个人觉得质量最好的当属下面几个:

  • Microsoft/MLontheEdgeCodeProject
  • DAI-Lab/AnonML
  • huytrinh93/FaceDetection
  • azugfr/RedShirtTour-IoT-Edge-AI-Lab
  • prashantyadla/EdgeFogCloudScheduler
  • XTC0908/Dependable-Edge-computing
    无论从想法还是文档,都是很值得称赞的。额,应该去搬砖了。
Rating: 5.0/5. From 1 vote.
Please wait...