Saltar al contenido principal
ToolPotion
Asesor de IA
Enviar

ONNX

ONNX (Open Neural Network Exchange) es un estándar abierto diseñado para representar modelos de aprendizaje automático. Permite la interoperabilidad entre diferentes marcos de aprendizaje profundo, lo que permite a los desarrolladores mover modelos entre herramientas como PyTorch, TensorFlow y Keras. Este repositorio de GitHub sirve como el centro principal para su desarrollo, documentación y contribuciones de la comunidad, fomentando un entorno colaborativo para avanzar en el intercambio de modelos de IA.

Ver repositorio
Compartir
Ver repositorio
Compartir

ONNX, que significa Open Neural Network Exchange, es un estándar abierto crucial en el ecosistema de aprendizaje automático. Su propósito principal es facilitar la interoperabilidad entre varios marcos de aprendizaje profundo. En el campo de la IA, que evoluciona rápidamente, los desarrolladores a menudo trabajan con múltiples marcos como PyTorch, TensorFlow, Keras y otros, cada uno con sus propias fortalezas y casos de uso preferidos. ONNX aborda el desafío de mover modelos sin problemas entre estos diferentes entornos.

Leer más

El estándar define un conjunto común de operadores y un formato de archivo común para representar modelos de aprendizaje profundo. Esto significa que un modelo entrenado en un marco puede ser exportado al formato ONNX y luego importado y ejecutado en otro marco que soporte ONNX. Esta capacidad es invaluable para investigadores e ingenieros que necesitan flexibilidad en su cadena de herramientas, permitiéndoles aprovechar las mejores características de cada marco sin estar atados a un solo ecosistema.

El repositorio de GitHub de ONNX sirve como el centro de desarrollo principal para este estándar abierto. Contiene las especificaciones centrales, implementaciones de referencia, documentación y contribuciones de la comunidad. El repositorio se mantiene activamente, con actualizaciones frecuentes que reflejan los avances en el aprendizaje automático y las necesidades de la comunidad. Incluye varios componentes como definiciones para operadores, estructuras de gráficos y tipos de datos, todos diseñados para asegurar una representación robusta y consistente de los modelos.

Las capacidades clave de ONNX incluyen portabilidad de modelos, optimización y despliegue. Al proporcionar una representación unificada, ONNX permite que las herramientas de optimización de modelos se apliquen de manera universal, independientemente del marco de entrenamiento original. Esto puede llevar a un mejor rendimiento de inferencia en varios objetivos de hardware, desde servidores en la nube hasta dispositivos de borde. Además, ONNX simplifica el proceso de despliegue, ya que muchos motores de inferencia y aceleradores de hardware ofrecen soporte nativo para ONNX.

El público objetivo de ONNX incluye investigadores en aprendizaje automático, científicos de datos, ingenieros de IA y desarrolladores que trabajan en el despliegue de modelos de IA. Su propuesta de valor radica en reducir la fricción en el ciclo de vida del desarrollo y despliegue de modelos, promoviendo la colaboración y acelerando la innovación en toda la comunidad de IA. La naturaleza de código abierto del proyecto fomenta una amplia participación y asegura que el estándar evolucione para satisfacer las diversas necesidades de sus usuarios.

  • CategoríaProgramación y desarrollo
  • Modelo de preciosCódigo abierto
  • ImplementaciónNube, Autoalojado
  • PlataformasWeb

  • Estándar abierto para la interoperabilidad en aprendizaje automático

  • Formato común de representación de modelos

  • Soporte para varios marcos de aprendizaje profundo

  • Facilita la portabilidad de modelos

  • Permite la optimización de modelos entre marcos

  • Repositorio de GitHub activo para el desarrollo

  • Documentación completa para operadores y estructuras de gráficos

  • Desarrollo y contribuciones impulsadas por la comunidad

  • Simplifica el despliegue de modelos de IA

  • Implementaciones de referencia disponibles

  • Control de versiones para especificaciones y código

  • Integración continua para asegurar la calidad

  • Gestión de vulnerabilidades de seguridad

  • Hoja de ruta para el desarrollo futuro

  1. Clonar Repositorio: Usa `git clone https://github.com/onnx/onnx.git` para obtener el código fuente más reciente.

  2. Instalar Dependencias: Sigue la guía `INSTALL.md` para configurar las herramientas y bibliotecas de construcción necesarias.

  3. Construir ONNX: Compila la biblioteca y herramientas de ONNX utilizando los scripts de construcción proporcionados o configuraciones de CMake.

  4. Integrar Modelos: Exporta tus modelos de aprendizaje automático desde marcos como PyTorch o TensorFlow al formato ONNX.

  5. Ejecutar Inferencia: Carga modelos ONNX en motores de inferencia compatibles para su despliegue y ejecución.

  6. Contribuir: Envía solicitudes de extracción para correcciones de errores, nuevas características o mejoras en la documentación siguiendo `CONTRIBUTING.md`.

  • Portabilidad de Modelos entre Marcos
  • Optimización de Modelos
  • Despliegue en Dispositivos de Borde
  • Servicios de Inferencia en la Nube
  • Colaboración en Investigación
  • Aceleración de Hardware
  • Versionado de Modelos

Reseñas de ONNX

Cargando...

Herramientas de IA populares como ONNX

TensorFlow

Repositorios de IA en GitHub

TensorFlow es un marco de aprendizaje automático de código abierto diseñado para todos. Proporciona un ecosistema integral para construir y desplegar modelos de aprendizaje…

Plataformas de aprendizaje automático
Ver herramienta

Repositorios de IA en GitHub

Marco de aprendizaje automático de código abierto diseñado para todos. Proporciona un ecosistema integral para construir y desplegar modelos de aprendizaje…TensorFlow es un marco de aprendizaje automático de código abierto diseñado para todos. Proporciona un ecosistema integral para construir y desplegar modelos de aprendizaje…

DestacadaPlataformas de aprendizaje automático
Ver el Top 250 de Repositorios de IA en GitHub

Keras

Repositorios de IA en GitHub

Keras es una biblioteca de aprendizaje profundo de código abierto diseñada para humanos. Simplifica el proceso de construcción de redes neuronales y permite a los desarrolladores…

Plataformas de aprendizaje automático
Ver herramienta

Repositorios de IA en GitHub

Biblioteca de aprendizaje profundo de código abierto diseñada para humanos. Simplifica el proceso de construcción de redes neuronales y permite a los desarrolladores…Keras es una biblioteca de aprendizaje profundo de código abierto diseñada para humanos. Simplifica el proceso de construcción de redes neuronales y permite a los desarrolladores…

DestacadaPlataformas de aprendizaje automático
Ver el Top 250 de Repositorios de IA en GitHub

Visualizador Netron

Repositorios de IA en GitHub

Netron es un visualizador para redes neuronales, aprendizaje profundo y modelos de aprendizaje automático. Proporciona una interfaz intuitiva para explorar arquitecturas y…

MLOps y despliegue de modelos

N.º 84 en Repositorios de IA en GitHub

Ver herramienta

Repositorios de IA en GitHub

Netron es un visualizador para redes neuronales, aprendizaje profundo y modelos de aprendizaje automático. Proporciona una interfaz intuitiva para explorar arquitecturas y…

MLOps y despliegue de modelos
N.º 84 en Repositorios de IA en GitHub

TensorFlow

Frameworks de IA

TensorFlow es una plataforma de aprendizaje automático de código abierto de extremo a extremo diseñada para todos. Proporciona un ecosistema flexible de herramientas, bibliotecas…

Plataformas de aprendizaje automático
Ver herramienta

Frameworks de IA

Plataforma de aprendizaje automático de código abierto de extremo a extremo diseñada para todos. Proporciona un ecosistema flexible de herramientas, bibliotecas…TensorFlow es una plataforma de aprendizaje automático de código abierto de extremo a extremo diseñada para todos. Proporciona un ecosistema flexible de herramientas, bibliotecas…

DestacadaPlataformas de aprendizaje automático
Ver el Top 50 de Frameworks de IA

LocalAI

Repositorios de IA en GitHub

LocalAI es un motor de IA de código abierto que permite a los usuarios ejecutar varios modelos, incluidos LLMs, visión, voz, imagen y video, en cualquier hardware sin necesidad de…

Plataformas de aprendizaje automático

N.º 53 en Repositorios de IA en GitHub

Ver herramienta

Repositorios de IA en GitHub

Motor de IA de código abierto que permite a los usuarios ejecutar varios modelos, incluidos LLMs, visión, voz, imagen y video, en cualquier hardware sin necesidad de…LocalAI es un motor de IA de código abierto que permite a los usuarios ejecutar varios modelos, incluidos LLMs, visión, voz, imagen y video, en cualquier hardware sin necesidad de…

DestacadaPlataformas de aprendizaje automático
N.º 53 en Repositorios de IA en GitHub

PyTorch

Repositorios de IA en GitHub

PyTorch es una biblioteca de aprendizaje automático de código abierto que proporciona herramientas para construir redes neuronales dinámicas en Python, aprovechando una fuerte…

Aprendizaje automático y ciencia de datos
Ver herramienta

Repositorios de IA en GitHub

Biblioteca de aprendizaje automático de código abierto que proporciona herramientas para construir redes neuronales dinámicas en Python, aprovechando una fuerte…PyTorch es una biblioteca de aprendizaje automático de código abierto que proporciona herramientas para construir redes neuronales dinámicas en Python, aprovechando una fuerte…

DestacadaAprendizaje automático y ciencia de datos
Ver el Top 250 de Repositorios de IA en GitHub

DeepInfer

Repositorios de IA en GitHub

DeepInfer es un marco de inferencia de alto rendimiento y gran escala diseñado para modelos DeepSeek. Facilita procesos de inferencia eficientes y escalables, lo que lo hace ideal…

MLOps y despliegue de modelos
Ver herramienta

Repositorios de IA en GitHub

Marco de inferencia de alto rendimiento y gran escala diseñado para modelos DeepSeek. Facilita procesos de inferencia eficientes y escalables, lo que lo hace ideal…DeepInfer es un marco de inferencia de alto rendimiento y gran escala diseñado para modelos DeepSeek. Facilita procesos de inferencia eficientes y escalables, lo que lo hace ideal…

MLOps y despliegue de modelos
Ver el Top 250 de Repositorios de IA en GitHub

YOLOR

Repositorios de IA en GitHub

YOLOR es una implementación del artículo 'You Only Learn One Representation: Unified Network for Multiple Tasks'. Su objetivo es proporcionar una red unificada para manejar…

Herramientas de visión artificial
Ver herramienta

Repositorios de IA en GitHub

Implementación del artículo 'You Only Learn One Representation: Unified Network for Multiple Tasks'. Su objetivo es proporcionar una red unificada para manejar…YOLOR es una implementación del artículo 'You Only Learn One Representation: Unified Network for Multiple Tasks'. Su objetivo es proporcionar una red unificada para manejar…

Herramientas de visión artificial
Ver el Top 250 de Repositorios de IA en GitHub
1 de 8