Перейти к основному содержимому
ToolPotion
ИИ-советник
Отправить

ONNX

ONNX (Open Neural Network Exchange) — это открытый стандарт, предназначенный для представления моделей машинного обучения. Он обеспечивает совместимость между различными фреймворками глубокого обучения, позволяя разработчикам перемещать модели между инструментами, такими как PyTorch, TensorFlow и Keras. Этот репозиторий GitHub служит центральным узлом для его разработки, документации и вкладов сообщества, способствуя совместной работе по продвижению обмена моделями ИИ.

Открыть репозиторий
Поделиться
Открыть репозиторий
Поделиться

ONNX, что означает Open Neural Network Exchange, является важным открытым стандартом в экосистеме машинного обучения. Его основная цель — облегчить совместимость между различными фреймворками глубокого обучения. В быстро развивающейся области ИИ разработчики часто работают с несколькими фреймворками, такими как PyTorch, TensorFlow, Keras и другими, каждый из которых имеет свои сильные стороны и предпочтительные случаи использования. ONNX решает проблему бесшовного перемещения моделей между этими различными средами.

Читать далее

Стандарт определяет общий набор операторов и общий формат файла для представления моделей глубокого обучения. Это означает, что модель, обученная в одном фреймворке, может быть экспортирована в формат ONNX, а затем импортирована и запущена в другом фреймворке, который поддерживает ONNX. Эта возможность бесценна для исследователей и инженеров, которым нужна гибкость в их инструментарии, позволяя им использовать лучшие функции каждого фреймворка, не будучи привязанными к одной экосистеме.

Репозиторий ONNX на GitHub служит центральным узлом разработки этого открытого стандарта. Он содержит основные спецификации, эталонные реализации, документацию и вклады сообщества. Репозиторий активно поддерживается, с частыми обновлениями, отражающими достижения в области машинного обучения и потребности сообщества. Он включает различные компоненты, такие как определения операторов, структуры графов и типы данных, все разработанные для обеспечения надежного и последовательного представления моделей.

Ключевые возможности ONNX включают портируемость моделей, оптимизацию и развертывание. Предоставляя единое представление, ONNX позволяет применять инструменты оптимизации моделей универсально, независимо от оригинального фреймворка обучения. Это может привести к улучшению производительности вывода на различных аппаратных платформах, от облачных серверов до периферийных устройств. Более того, ONNX упрощает процесс развертывания, так как многие движки вывода и аппаратные ускорители предлагают нативную поддержку ONNX.

Целевая аудитория ONNX включает исследователей машинного обучения, ученых данных, инженеров ИИ и разработчиков, работающих над развертыванием моделей ИИ. Его ценностное предложение заключается в снижении трения в жизненном цикле разработки и развертывания моделей, содействии сотрудничеству и ускорении инноваций в сообществе ИИ. Открытая природа проекта поощряет широкое участие и гарантирует, что стандарт развивается, чтобы удовлетворять разнообразные потребности его пользователей.

  • КатегорияПрограммирование и разработка
  • Модель ценообразованияОткрытый код
  • РазвёртываниеОблако, На своём сервере
  • ПлатформыВеб

  • Открытый стандарт для совместимости машинного обучения

  • Общий формат представления моделей

  • Поддержка различных фреймворков глубокого обучения

  • Облегчает портируемость моделей

  • Позволяет оптимизацию моделей между фреймворками

  • Активный репозиторий GitHub для разработки

  • Полная документация для операторов и структур графов

  • Разработка и вклады, управляемые сообществом

  • Упрощает развертывание моделей ИИ

  • Доступны эталонные реализации

  • Контроль версий для спецификаций и кода

  • Непрерывная интеграция для обеспечения качества

  • Управление уязвимостями безопасности

  • Дорожная карта для будущей разработки

  1. Клонировать репозиторий: Используйте `git clone https://github.com/onnx/onnx.git`, чтобы получить последний исходный код.

  2. Установить зависимости: Следуйте руководству `INSTALL.md`, чтобы настроить необходимые инструменты сборки и библиотеки.

  3. Собрать ONNX: Скомпилируйте библиотеку и инструменты ONNX, используя предоставленные скрипты сборки или конфигурации CMake.

  4. Интегрировать модели: Экспортируйте ваши модели машинного обучения из фреймворков, таких как PyTorch или TensorFlow, в формат ONNX.

  5. Запустить вывод: Загрузите модели ONNX в совместимые движки вывода для развертывания и выполнения.

  6. Внести вклад: Отправьте запросы на внесение изменений для исправления ошибок, новых функций или улучшения документации, следуя `CONTRIBUTING.md`.

  • Портируемость моделей между фреймворками
  • Оптимизация моделей
  • Развертывание на периферийных устройствах
  • Облачные сервисы вывода
  • Сотрудничество в исследованиях
  • Аппаратное ускорение
  • Версионирование моделей

Отзывы о ONNX

Загрузка...

Популярные ИИ-инструменты, похожие на ONNX

TensorFlow

AI-репозитории на GitHub

TensorFlow — это открытая платформа для машинного обучения, разработанная для всех. Она предоставляет комплексную экосистему для создания и развертывания моделей машинного…

Платформы машинного обучения
Открыть инструмент

AI-репозитории на GitHub

Открытая платформа для машинного обучения, разработанная для всех. Она предоставляет комплексную экосистему для создания и развертывания моделей машинного…TensorFlow — это открытая платформа для машинного обучения, разработанная для всех. Она предоставляет комплексную экосистему для создания и развертывания моделей машинного…

РекомендованоПлатформы машинного обучения
Топ-250: AI-репозитории на GitHub

Keras

AI-репозитории на GitHub

Keras — это библиотека глубокого обучения с открытым исходным кодом, разработанная для людей. Она упрощает процесс создания нейронных сетей и позволяет разработчикам вносить свой…

Платформы машинного обучения
Открыть инструмент

AI-репозитории на GitHub

Библиотека глубокого обучения с открытым исходным кодом, разработанная для людей. Она упрощает процесс создания нейронных сетей и позволяет разработчикам вносить свой…Keras — это библиотека глубокого обучения с открытым исходным кодом, разработанная для людей. Она упрощает процесс создания нейронных сетей и позволяет разработчикам вносить свой…

РекомендованоПлатформы машинного обучения
Топ-250: AI-репозитории на GitHub

Netron Visualizer

AI-репозитории на GitHub

Netron — это визуализатор для нейронных сетей, глубокого обучения и моделей машинного обучения. Он предоставляет интуитивно понятный интерфейс для изучения архитектуры и…

MLOps и развёртывание моделей

№84 в AI-репозитории на GitHub

Открыть инструмент

AI-репозитории на GitHub

Визуализатор для нейронных сетей, глубокого обучения и моделей машинного обучения. Он предоставляет интуитивно понятный интерфейс для изучения архитектуры и…Netron — это визуализатор для нейронных сетей, глубокого обучения и моделей машинного обучения. Он предоставляет интуитивно понятный интерфейс для изучения архитектуры и…

MLOps и развёртывание моделей
№84 в AI-репозитории на GitHub

TensorFlow

AI-фреймворки

TensorFlow — это платформа машинного обучения с открытым исходным кодом, предназначенная для всех. Она предоставляет гибкую экосистему инструментов, библиотек и ресурсов…

Платформы машинного обучения
Открыть инструмент

AI-фреймворки

Платформа машинного обучения с открытым исходным кодом, предназначенная для всех. Она предоставляет гибкую экосистему инструментов, библиотек и ресурсов…TensorFlow — это платформа машинного обучения с открытым исходным кодом, предназначенная для всех. Она предоставляет гибкую экосистему инструментов, библиотек и ресурсов…

РекомендованоПлатформы машинного обучения
Топ-50: AI-фреймворки

LocalAI

AI-репозитории на GitHub

LocalAI — это открытый ИИ-движок, который позволяет пользователям запускать различные модели, включая LLM, визуальные, голосовые, изображения и видео, на любом оборудовании без…

Платформы машинного обучения

№53 в AI-репозитории на GitHub

Открыть инструмент

AI-репозитории на GitHub

Открытый ИИ-движок, который позволяет пользователям запускать различные модели, включая LLM, визуальные, голосовые, изображения и видео, на любом оборудовании без…LocalAI — это открытый ИИ-движок, который позволяет пользователям запускать различные модели, включая LLM, визуальные, голосовые, изображения и видео, на любом оборудовании без…

РекомендованоПлатформы машинного обучения
№53 в AI-репозитории на GitHub

PyTorch

AI-репозитории на GitHub

PyTorch — это библиотека машинного обучения с открытым исходным кодом, которая предоставляет инструменты для построения динамических нейронных сетей на Python, используя мощное…

Машинное обучение и наука о данных
Открыть инструмент

AI-репозитории на GitHub

Библиотека машинного обучения с открытым исходным кодом, которая предоставляет инструменты для построения динамических нейронных сетей на Python, используя мощное…PyTorch — это библиотека машинного обучения с открытым исходным кодом, которая предоставляет инструменты для построения динамических нейронных сетей на Python, используя мощное…

РекомендованоМашинное обучение и наука о данных
Топ-250: AI-репозитории на GitHub

DeepInfer

AI-репозитории на GitHub

DeepInfer — это высокопроизводительный фреймворк для вывода, разработанный для моделей DeepSeek. Он обеспечивает эффективные и масштабируемые процессы вывода, что делает его…

MLOps и развёртывание моделей
Открыть инструмент

AI-репозитории на GitHub

Высокопроизводительный фреймворк для вывода, разработанный для моделей DeepSeek. Он обеспечивает эффективные и масштабируемые процессы вывода, что делает его…DeepInfer — это высокопроизводительный фреймворк для вывода, разработанный для моделей DeepSeek. Он обеспечивает эффективные и масштабируемые процессы вывода, что делает его…

MLOps и развёртывание моделей
Топ-250: AI-репозитории на GitHub

YOLOR

AI-репозитории на GitHub

YOLOR — это реализация статьи 'Вы учите только одно представление: унифицированная сеть для нескольких задач'. Она направлена на создание унифицированной сети для эффективного…

Инструменты компьютерного зрения
Открыть инструмент

AI-репозитории на GitHub

Реализация статьи 'Вы учите только одно представление: унифицированная сеть для нескольких задач'. Она направлена на создание унифицированной сети для эффективного…YOLOR — это реализация статьи 'Вы учите только одно представление: унифицированная сеть для нескольких задач'. Она направлена на создание унифицированной сети для эффективного…

Инструменты компьютерного зрения
Топ-250: AI-репозитории на GitHub
1 из 8