Project Icon

onnx2torch

ONNX模型转换至PyTorch的转换器

onnx2torch转换器使从ONNX到PyTorch的模型转换变得简单,从而简化深度学习工作流。通过简单函数调用即可完成转换,并支持自定义层扩展,且支持模型返回ONNX格式。适用于分割、检测、分类和变压器模型。尽管当前支持的模型和操作有限,用户可以通过GitHub反馈需求,以协助开发团队改进。支持通过pip或conda快速安装,并提供详细的使用示例和扩展教程。

onnx2tf - ONNX文件转换工具,支持TensorFlow、TFLite和Keras格式
GithubKerasONNXTensorFlowonnx2tf开源项目模型转换
onnx2tf工具解决了在onnx-tensorflow中大规模转置推测的问题,支持将ONNX文件从NCHW转换为TensorFlow、TFLite和Keras的NHWC格式。工具每日进行优化和修复,如遇问题建议尝试旧版本或等待最新更新。该工具兼容PyTorch生成的ONNX模型,支持多种层类型并可与TensorFlow/Keras/TFLite无缝集成。详细的环境配置和使用指南适用于Linux和Windows。
tensorflow-onnx - 将TensorFlow(包括tf-1.x和tf-2.x)、Keras、TensorFlow.js和TFLite模型转换为ONNX格式的工具
GithubKerasONNXPythonTensorFlowtf2onnx开源项目
该工具支持将TensorFlow(包括tf-1.x和tf-2.x)、Keras、TensorFlow.js和TFLite模型转换为ONNX格式,支持命令行和Python API操作。兼容Windows和Linux操作系统,支持Python 3.7至3.10,以及多种ONNX opset(从opset 14至opset 18)和TensorFlow版本。提供详细的安装步骤、转换指南和常见问题解决方案,全面支持saved model、checkpoint和graphdef等多种模型格式。
onnx2tflite - 优化ONNX模型到TensorFlow Lite的转换工具,具备高一致性和自动通道对齐功能
GithubKerasONNXPyTorchTFLite开源项目转换
onnx2tflite工具实现从ONNX到TensorFlow Lite和Keras的快速高效模型转换。它具备高一致性,平均误差低于1e-5,速度比其他工具提高30%。支持自动转换PyTorch和TensorFlow格式,并能输出FP16和UINT8定量模型。用户还可以自定义操作符,提升模型转换和部署的灵活性。
Paddle2ONNX - 将PaddlePaddle模型转换为ONNX格式的开源工具
GithubONNXPaddle2ONNXPaddlePaddle开源项目推理引擎模型转换
Paddle2ONNX 是一个开源工具,用于将PaddlePaddle模型转换为ONNX格式,使模型能够部署到多种ONNX支持的推理引擎如TensorRT、OpenVINO等。Paddle2ONNX不依赖其他组件,只需通过pip安装即可使用。它提供命令行接口和多种参数选项,支持模型优化与量化,适用于不同的部署需求。了解如何安装、使用及优化Paddle模型到ONNX格式,提升部署效率与性能。
torch2trt - PyTorch模型转TensorRT加速工具
GPU加速GithubPyTorchTensorRTtorch2trt开源项目模型转换
torch2trt是一款将PyTorch模型转换为TensorRT的开源工具。它基于TensorRT Python API开发,具有简单易用和灵活可扩展的特点。用户通过单个函数调用即可完成模型转换,还支持自定义层转换器。该工具适配多种常用模型,并提供模型保存和加载功能。torch2trt能显著提升NVIDIA设备上的模型推理性能,适用于PyTorch模型推理加速场景。
onnx - 跨平台开源机器学习模型交换格式
GithubGlobal Corporation人工智能企业安全开源项目社交媒体跨平台应用
ONNX是一种开放的机器学习模型表示格式,支持跨框架模型互操作。它定义了统一的模型表示方式,实现不同AI框架间的模型转换。ONNX简化模型部署过程,提升AI应用效率。作为行业标准,ONNX促进AI生态系统发展,为开发者和企业带来更多可能性。
onnxmltools - 多框架机器学习模型转ONNX工具
GithubONNXONNXMLTools依赖开源项目机器学习工具包模型转换
ONNXMLTools可将包括Tensorflow、scikit-learn、Core ML、Spark ML、LightGBM、XGBoost、H2O等在内的多种机器学习模型转换为ONNX格式。它支持通过PyPi或源码安装,依赖ONNX、NumPy和ProtoBuf,适用于Python 3.7及以上版本,提供详尽的转换示例与测试方法。更多信息请参考相关文档与教程。
sk2torch - 实现scikit-learn模型到PyTorch模块的转换
GithubPyTorchTorchScriptscikit-learnsk2torch开源项目模型转换
sk2torch是一个开源工具,用于将scikit-learn模型转换为PyTorch模块。它解决了GPU加速推理、模型序列化和梯度计算等问题。sk2torch支持多种scikit-learn模型,使机器学习从业者能够利用PyTorch的GPU加速、TorchScript序列化和反向传播功能。这个项目为scikit-learn用户提供了更多的灵活性和性能优化选择。
onnx-tensorrt - ONNX 的 TensorRT 后端
CUDAGithubInstanceNormalizationONNXProtobufTensorRT开源项目
本项目实现对ONNX模型的高效解析,支持在最新TensorRT 10.2版本上运行。还覆盖了多个ONNX操作符,提供详细的安装和构建指南。项目中包含C++和Python的使用示例,方便用户集成和运行ONNX模型。常见问题解答和变更日志有助于解决使用中的问题。
sklearn-onnx - 将scikit-learn模型转换为ONNX格式的解决方案
GithubONNXonnxruntimescikit-learnsklearn-onnx开源项目模型转换
sklearn-onnx是一个工具,用于将scikit-learn模型转换为ONNX格式,并使用ONNX Runtime进行高性能评估。所有转换器都经过ONNX Runtime测试,用户还能注册外部转换器转换含外部库模型的scikit-learn管道。项目文档包括教程和常见问题解答,帮助用户快速上手。可通过PyPi或源码安装,支持多种操作系统,以提高机器学习模型性能。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号