Aller au contenu principal
ToolPotion
Conseiller IA
Soumettre

ONNX

ONNX (Open Neural Network Exchange) est une norme ouverte conçue pour représenter des modèles d'apprentissage automatique. Elle permet l'interopérabilité entre différents frameworks d'apprentissage profond, permettant aux développeurs de déplacer des modèles entre des outils comme PyTorch, TensorFlow et Keras. Ce dépôt GitHub sert de plaque tournante centrale pour son développement, sa documentation et les contributions de la communauté, favorisant un environnement collaboratif pour faire avancer l'échange de modèles d'IA.

Voir le dépôt
Partager
Voir le dépôt
Partager

ONNX, qui signifie Open Neural Network Exchange, est une norme ouverte cruciale dans l'écosystème de l'apprentissage automatique. Son objectif principal est de faciliter l'interopérabilité entre divers frameworks d'apprentissage profond. Dans le domaine en évolution rapide de l'IA, les développeurs travaillent souvent avec plusieurs frameworks tels que PyTorch, TensorFlow, Keras et d'autres, chacun ayant ses propres forces et cas d'utilisation préférés. ONNX répond au défi de déplacer des modèles de manière transparente entre ces différents environnements.

Lire la suite

La norme définit un ensemble commun d'opérateurs et un format de fichier commun pour représenter les modèles d'apprentissage profond. Cela signifie qu'un modèle entraîné dans un framework peut être exporté au format ONNX, puis importé et exécuté dans un autre framework qui prend en charge ONNX. Cette capacité est inestimable pour les chercheurs et les ingénieurs qui ont besoin de flexibilité dans leur chaîne d'outils, leur permettant de tirer parti des meilleures fonctionnalités de chaque framework sans être enfermés dans un écosystème unique.

Le dépôt GitHub d'ONNX sert de plaque tournante centrale pour le développement de cette norme ouverte. Il contient les spécifications de base, des implémentations de référence, de la documentation et des contributions de la communauté. Le dépôt est activement maintenu, avec des mises à jour fréquentes reflétant les avancées en apprentissage automatique et les besoins de la communauté. Il comprend divers composants tels que des définitions pour les opérateurs, des structures de graphes et des types de données, tous conçus pour garantir une représentation robuste et cohérente des modèles.

Les capacités clés d'ONNX incluent la portabilité des modèles, l'optimisation et le déploiement. En fournissant une représentation unifiée, ONNX permet d'appliquer des outils d'optimisation de modèles de manière universelle, quel que soit le framework d'entraînement d'origine. Cela peut conduire à une amélioration des performances d'inférence sur divers cibles matérielles, des serveurs cloud aux dispositifs en périphérie. De plus, ONNX simplifie le processus de déploiement, car de nombreux moteurs d'inférence et accélérateurs matériels offrent un support natif pour ONNX.

Le public cible d'ONNX comprend des chercheurs en apprentissage automatique, des scientifiques des données, des ingénieurs en IA et des développeurs travaillant sur le déploiement de modèles d'IA. Sa proposition de valeur réside dans la réduction des frictions dans le cycle de développement et de déploiement des modèles, la promotion de la collaboration et l'accélération de l'innovation au sein de la communauté IA. La nature open-source du projet encourage une large participation et garantit que la norme évolue pour répondre aux divers besoins de ses utilisateurs.

  • CatégorieCodage et développement
  • Modèle tarifaireOpen source
  • DéploiementCloud, Auto-hébergé
  • PlateformesWeb

  • Norme ouverte pour l'interopérabilité de l'apprentissage automatique

  • Format de représentation de modèle commun

  • Support pour divers frameworks d'apprentissage profond

  • Facilite la portabilité des modèles

  • Permet l'optimisation des modèles entre frameworks

  • Dépôt GitHub actif pour le développement

  • Documentation complète pour les opérateurs et les structures de graphes

  • Développement et contributions pilotés par la communauté

  • Simplifie le déploiement des modèles d'IA

  • Implémentations de référence disponibles

  • Contrôle de version pour les spécifications et le code

  • Intégration continue pour l'assurance qualité

  • Gestion des vulnérabilités de sécurité

  • Feuille de route pour le développement futur

  1. Cloner le dépôt : Utilisez `git clone https://github.com/onnx/onnx.git` pour obtenir le dernier code source.

  2. Installer les dépendances : Suivez le guide `INSTALL.md` pour configurer les outils de construction et les bibliothèques nécessaires.

  3. Construire ONNX : Compilez la bibliothèque et les outils ONNX en utilisant les scripts de construction fournis ou les configurations CMake.

  4. Intégrer les modèles : Exportez vos modèles d'apprentissage automatique depuis des frameworks comme PyTorch ou TensorFlow vers le format ONNX.

  5. Exécuter l'inférence : Chargez les modèles ONNX dans des moteurs d'inférence compatibles pour le déploiement et l'exécution.

  6. Contribuer : Soumettez des demandes de tirage pour des corrections de bogues, de nouvelles fonctionnalités ou des améliorations de documentation en suivant `CONTRIBUTING.md`.

  • Portabilité des modèles entre frameworks
  • Optimisation des modèles
  • Déploiement sur dispositifs en périphérie
  • Services d'inférence cloud
  • Collaboration en recherche
  • Accélération matérielle
  • Versionnage des modèles

Avis sur ONNX

Chargement...

Outils IA populaires comme ONNX

TensorFlow

Dépôts GitHub d'IA

TensorFlow est un cadre d'apprentissage automatique open source conçu pour tout le monde. Il fournit un écosystème complet pour la création et le déploiement de modèles…

Plateformes de machine learning
Voir l'outil

Dépôts GitHub d'IA

Cadre d'apprentissage automatique open source conçu pour tout le monde. Il fournit un écosystème complet pour la création et le déploiement de modèles…TensorFlow est un cadre d'apprentissage automatique open source conçu pour tout le monde. Il fournit un écosystème complet pour la création et le déploiement de modèles…

En vedettePlateformes de machine learning
Voir le Top 250 Dépôts GitHub d'IA

Keras

Dépôts GitHub d'IA

Keras est une bibliothèque de deep learning open-source conçue pour les humains. Elle simplifie le processus de construction de réseaux de neurones et permet aux développeurs de…

Plateformes de machine learning
Voir l'outil

Dépôts GitHub d'IA

Bibliothèque de deep learning open-source conçue pour les humains. Elle simplifie le processus de construction de réseaux de neurones et permet aux développeurs de…Keras est une bibliothèque de deep learning open-source conçue pour les humains. Elle simplifie le processus de construction de réseaux de neurones et permet aux développeurs de…

En vedettePlateformes de machine learning
Voir le Top 250 Dépôts GitHub d'IA

Netron Visualizer

Dépôts GitHub d'IA

Netron est un visualiseur pour les réseaux de neurones, l'apprentissage profond et les modèles d'apprentissage automatique. Il offre une interface intuitive pour explorer les…

MLOps et déploiement de modèles

N°84 en Dépôts GitHub d'IA

Voir l'outil

Dépôts GitHub d'IA

Visualiseur pour les réseaux de neurones, l'apprentissage profond et les modèles d'apprentissage automatique. Il offre une interface intuitive pour explorer les…Netron est un visualiseur pour les réseaux de neurones, l'apprentissage profond et les modèles d'apprentissage automatique. Il offre une interface intuitive pour explorer les…

MLOps et déploiement de modèles
N°84 en Dépôts GitHub d'IA

TensorFlow

Frameworks IA

TensorFlow est une plateforme de machine learning open source de bout en bout conçue pour tout le monde. Elle offre un écosystème flexible d'outils, de bibliothèques et de…

Plateformes de machine learning
Voir l'outil

Frameworks IA

Plateforme de machine learning open source de bout en bout conçue pour tout le monde. Elle offre un écosystème flexible d'outils, de bibliothèques et de…TensorFlow est une plateforme de machine learning open source de bout en bout conçue pour tout le monde. Elle offre un écosystème flexible d'outils, de bibliothèques et de…

En vedettePlateformes de machine learning
Voir le Top 50 Frameworks IA

LocalAI

Dépôts GitHub d'IA

LocalAI est un moteur IA open source qui permet aux utilisateurs d'exécuter divers modèles, y compris des LLM, des modèles de vision, de voix, d'image et de vidéo, sur n'importe…

Plateformes de machine learning

N°53 en Dépôts GitHub d'IA

Voir l'outil

Dépôts GitHub d'IA

Moteur IA open source qui permet aux utilisateurs d'exécuter divers modèles, y compris des LLM, des modèles de vision, de voix, d'image et de vidéo, sur n'importe…LocalAI est un moteur IA open source qui permet aux utilisateurs d'exécuter divers modèles, y compris des LLM, des modèles de vision, de voix, d'image et de vidéo, sur n'importe…

En vedettePlateformes de machine learning
N°53 en Dépôts GitHub d'IA

PyTorch

Dépôts GitHub d'IA

PyTorch est une bibliothèque d'apprentissage automatique open-source qui fournit des outils pour construire des réseaux de neurones dynamiques en Python, tirant parti d'une forte…

Machine learning et data science
Voir l'outil

Dépôts GitHub d'IA

Bibliothèque d'apprentissage automatique open-source qui fournit des outils pour construire des réseaux de neurones dynamiques en Python, tirant parti d'une forte…PyTorch est une bibliothèque d'apprentissage automatique open-source qui fournit des outils pour construire des réseaux de neurones dynamiques en Python, tirant parti d'une forte…

En vedetteMachine learning et data science
Voir le Top 250 Dépôts GitHub d'IA

DeepInfer

Dépôts GitHub d'IA

DeepInfer est un cadre d'inférence haute performance et à grande échelle conçu pour les modèles DeepSeek. Il facilite des processus d'inférence efficaces et évolutifs, ce qui le…

MLOps et déploiement de modèles
Voir l'outil

Dépôts GitHub d'IA

Cadre d'inférence haute performance et à grande échelle conçu pour les modèles DeepSeek. Il facilite des processus d'inférence efficaces et évolutifs, ce qui le…DeepInfer est un cadre d'inférence haute performance et à grande échelle conçu pour les modèles DeepSeek. Il facilite des processus d'inférence efficaces et évolutifs, ce qui le…

MLOps et déploiement de modèles
Voir le Top 250 Dépôts GitHub d'IA

YOLOR

Dépôts GitHub d'IA

YOLOR est une mise en œuvre de l'article 'You Only Learn One Representation: Unified Network for Multiple Tasks'. Il vise à fournir un réseau unifié pour gérer plusieurs tâches de…

Outils de vision par ordinateur
Voir l'outil

Dépôts GitHub d'IA

Mise en œuvre de l'article 'You Only Learn One Representation: Unified Network for Multiple Tasks'. Il vise à fournir un réseau unifié pour gérer plusieurs tâches de…YOLOR est une mise en œuvre de l'article 'You Only Learn One Representation: Unified Network for Multiple Tasks'. Il vise à fournir un réseau unifié pour gérer plusieurs tâches de…

Outils de vision par ordinateur
Voir le Top 250 Dépôts GitHub d'IA
1 sur 8