← Descobrir
GitHub · kornia/kornia↑ +101 hoje

Visão computacional para inteligência artificial

Kornia é uma biblioteca de visão computacional diferenciável desenvolvida para aplicações de IA espacial (spatial AI). Construída sobre o framework de aprendizado profundo PyTorch, esta ferramenta permite integrar algoritmos de processamento de imagem e visão geométrica em fluxos de trabalho de inteligência artificial.

Atualizações

  • 2 de novembro de 2026: Estrelas 11,886 → 11,944, versão mais recente v0.9.0 (23 de outubro de 2026).

O que você ganha

  • Acelera as operações executando o processamento de imagem e cálculos geométricos na unidade de processamento gráfico (GPU).
  • Graças à sua estrutura diferenciável, conecta-se diretamente ao treinamento de modelos criado com o framework de aprendizado profundo PyTorch.
  • Oferece aumento de dados, detecção de bordas e modelos prontos de análise visual sob o mesmo teto.

Instalação

Instale a biblioteca
pip install kornia

Se você não programa

Cole isto no seu agente (Claude Code · Codex · Antigravity)

Quero instalar a biblioteca Kornia para executar etapas de processamento de imagem e cálculo geométrico em meus projetos de aprendizado profundo. Para a instalação, execute o comando `pip install kornia` e, em seguida, verifique se a biblioteca está pronta no ambiente.

Repositório: https://github.com/kornia/kornia. Baseie-se nas instruções oficiais no arquivo README deste repositório para a instalação e execução.

Antes de começar, verifique em qual sistema operacional estamos e se as ferramentas necessárias (ex: Python, Node.js, Git, Docker) estão instaladas. Instale as que faltarem passo a passo de acordo com este sistema.

Crie uma pasta nova e vazia para trabalhar. Não toque em arquivos fora desta pasta e não exclua nada. Antes de executar cada comando, diga o que você vai fazer em uma frase.

Diga-me o que devo ver na tela ao final de cada etapa. Se ocorrer um erro, colarei a mensagem de erro para você exatamente como ela é, e vamos corrigi-la juntos.

Termos relacionados do glossário

Para quem éDestinado a desenvolvedores e pesquisadores que desejam incorporar processamento de imagem e algoritmos espaciais em fluxos de trabalho de aprendizado profundo, acelerando-os na placa de vídeo.
LicençaApache-2.0

Links

A TreScout não desenvolveu esta ferramenta · nós a encontramos nas tendências do GitHub e a apresentamos. Esta página descreve o repositório em 2026-11-02: A contagem de estrelas e o nosso texto são daquele dia, o repositório pode ter mudado desde então. Consulte o link do repositório para ver o estado atual. O texto de apresentação foi preparado com IA a partir da própria documentação do repositório e esta página foi traduzida automaticamente do original em turco · a versão turca é a que vale.