geti
在本地建置、訓練、最佳化及執行電腦視覺模型，從原始影像到即時推論。開源，最佳化 Intel XPU（也支援僅 CPU 及 CUDA）。
geti 是什麼？
在本地建置、訓練、最佳化及執行電腦視覺模型，從原始影像到即時推論。開源，最佳化 Intel XPU（也支援僅 CPU 及 CUDA）。
geti 概覽
這是什麼
Geti 是一個開源的端到端平台，用於建構與持續改善電腦視覺模型。它涵蓋標註、微調、優化、部署與推論，提供超過 1,600 種模型變體，支援偵測、分類與分割，並由 OpenVINO 針對 Intel CPU、GPU 與 NPU 進行優化。平台包含一個無程式碼應用程式（Windows 應用程式或 Docker）以及一個名為 getitune 的 Python 函式庫，適合程式碼優先的工作流程。
主要功能
- 超過 1,600 種模型變體，包括 RF-DETR、DINOv3 DETR、YOLO26、YOLOX、D-FINE、Mask R-CNN 等，涵蓋物體偵測、實例分割與分類。
- 互動式端到端訓練：從少至 10-20 張影像開始，透過訓練-預測-標註循環迭代。
- 硬體加速推論與模型優化：自動匯出為 OpenVINO 格式，支援 Intel XPU、NVIDIA CUDA 與 CPU；內建精確度感知的 INT8 量化。
- 整合部署與推論：建構自訂管線（來源 → 模型 → 接收端）處理即時視訊串流，並可匯出 OpenVINO 優化套件。
- 多種電腦視覺任務：從無程式碼介面支援影像分類、物體偵測、實例分割，透過 getitune 函式庫可取得更多任務。
- 智慧標註：使用 Segment Anything Model 進行 AI 輔助的邊界框與多邊形建立，減少人工標註工作量。
- 模型與資料集管理：追蹤版本、連結模型至特定資料集修訂、檢視超參數，並支援 COCO、Pascal VOC、YOLO 及原生格式的匯入/匯出。
使用情境
- 物體偵測與計數（例如：物品計數、缺陷定位、監控） - 實例分割（例如：醫學影像、機器人、面積估算） - 影像分類（例如：缺陷分類、產品分類、內容標記） - 為邊緣部署建構自訂電腦視覺管線
快速開始
安裝 getitune Python 函式庫： bash uv pip install getitune[xpu] --extra-index-url https://download.pytorch.org/whl/xpu # 適用於 Intel XPU uv pip install getitune[cuda] --extra-index-url https://download.pytorch.org/whl/cu128 # 適用於 NVIDIA CUDA uv pip install getitune # 僅 CPU 然後訓練、匯出並量化模型： python from getitune.engine import create_engine from getitune.utils import list_models engine = create_engine(model=edgecrafter_m, data=./led_counting, work_dir=./my_workspace, device=auto) engine.train() exported_model_path = engine.export() openvino_engine = create_engine(model=exported_model_path, data=engine.datamodule) optimized_model_path = openvino_engine.optimize() predictions = openvino_engine.predict(checkpoint=optimized_model_path) 如需無程式碼應用程式，請參閱儲存庫 README 以了解 Windows MSIX、Docker 或腳本安裝方式。
授權與價格
採用 Apache-2.0 授權。開源且免費使用。
內容整理自該專案公開的 README 與儲存庫資訊。
