onnx-modifier

高效可视化编辑ONNX模型，自动处理减少重复工作

onnx-modifier ONNX模型 API 可视化编辑工具 Github 开源项目

基于Netron和Flask的工具，提供完全可视化的ONNX模型编辑界面，通过Python ONNX API自动处理编辑信息。支持删除和添加节点、重命名节点和模型输入输出、编辑节点属性和模型初始值等多种操作，有效提升工作效率。该工具可通过命令行、可执行文件或Docker容器启动，适用于各种开发环境。

访问官网

Github

介绍相关项目

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。

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。

onnx2c - 为微控制器优化的神经网络部署工具

C编译器GithubONNXonnx2c开源项目微控制器神经网络

onnx2c是一款ONNX到C的编译工具，专门针对微控制器环境进行优化。它将ONNX文件转换为单一C文件，生成的代码不使用动态内存分配，仅需标准C数学库支持。该工具设计简单易用，无需学习曲线，方便开发者将训练好的神经网络快速集成到微控制器项目中。onnx2c提供多种优化功能，包括张量联合、Cast节点移除和实验性量化，有效提升代码性能和内存利用率。

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。

onnx-mlir - 基于LLVM/MLIR的高性能神经网络编译器

GithubLLVMONNXONNX-MLIR人工智能开源项目编译器

ONNX-MLIR是一个开源编译器项目，旨在将ONNX神经网络模型转换为高效的可执行代码。该项目基于LLVM/MLIR技术，实现了ONNX标准，并提供ONNX方言、编译器接口、驱动程序和多语言运行时环境。ONNX-MLIR支持Linux、macOS和Windows等多个平台，并提供Docker镜像以简化开发和部署流程。通过优化ONNX图，ONNX-MLIR能够生成性能卓越的神经网络实现。

models - 探索最先进的机器学习模型与技术

GithubONNX Model Zoo图像分类对象检测开源项目机器学习模型语言处理

ONNX Model Zoo是一个开源平台，汇集了各种预训练且处于技术前沿的机器学习模型，涵盖计算机视觉、自然语言处理等多个领域。旨在为开发者、研究人员和技术爱好者提供高效实用的AI工具，加速机器学习技术的应用和发展。此外，ONNX Model Zoo支持多种框架和工具，通过共同的文件格式和操作集，促进了AI开发的灵活性和互操作性。平台以开放性和社区驱动的特性为己任，含有诸如图像分类、对象检测等主要模型，并通过简易接口及高级工具满足不同用户需求，使其既适应初学者也满足专业人士的需求。

model-explorer - AI模型结构可视化与分析工具

GithubModel Explorer开源项目模型分析模型可视化模型调试深度学习

Model Explorer是一款AI模型结构可视化工具，支持TFLite、TF、TFJS、MLIR和PyTorch等多种格式。它提供层级化展示，允许动态展开或折叠各层，并具备高亮输入输出、元数据叠加、交互式弹窗等功能。工具还支持搜索、显示相同层和GPU加速渲染，方便开发者进行模型探索和调试。Model Explorer提供扩展框架，便于添加对其他格式的支持。

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。

onnx-go - 面向Go语言的ONNX模型解析和运行接口

GithubGorgoniaGo语言ONNX开源项目深度学习神经网络

onnx-go项目提供了一个Go语言接口，用于解析和运行ONNX二进制模型，帮助开发者轻松集成机器学习功能。虽然其API仍然是实验性的，但它不需要数据科学方面的专业知识。该项目已停止维护，且随着深度学习领域的发展，预计会被新的解决方案取代。

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。

相关项目

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

稿定AI

稿定设计是一个多功能的在线设计和创意平台，提供广泛的设计工具和资源，以满足不同用户的需求。从专业的图形设计师到普通用户，无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑，稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合，帮助用户轻松实现创意设计。

使用协议隐私政策广告服务

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