netron

多格式神经网络和机器学习模型查看器

Netron 神经网络深度学习机器学习模型查看器 Github 开源项目

支持多种格式的神经网络、深度学习和机器学习模型查看，包括ONNX、TensorFlow Lite、Core ML、Keras和Caffe等，实验性支持PyTorch、TorchScript等。适用于macOS、Linux、Windows和浏览器版本，提供简单的安装和启动方式，方便不同操作系统用户使用。

访问官网

Github

Huggingface

介绍知识库相关项目

nncf - Neural Network Compression Framework：高效神经网络推理压缩算法

GithubNeural Network Compression FrameworkONNXOpenVINOPyTorchTensorFlow开源项目

Neural Network Compression Framework (NNCF) 提供一套后训练和训练时的优化算法，用于在 OpenVINO 中优化神经网络推理，保证最小的精度损失。NNCF 支持 PyTorch、TensorFlow 和 ONNX 等模型，并提供示例展示不同压缩算法的使用案例。NNCF 还支持自动化模型图转换、分布式训练和多种算法的无缝组合，支持将压缩后的 PyTorch 模型导出为 ONNX 检查点及将 TensorFlow 模型导出为 SavedModel 格式。

TensorRT - 优化深度学习推理的开源平台

CUDADockerGithubNVIDIAONNXTensorRT开源项目

NVIDIA TensorRT 开源软件提供插件和 ONNX 解析器的源码，展示 TensorRT 平台功能的示例应用。这些组件是 TensorRT GA 版本的一部分，并包含扩展和修复。用户可以轻松安装 TensorRT Python 包或根据构建指南编译。企业用户可使用 NVIDIA AI Enterprise 套件，并可加入 TensorRT 社区获取最新产品更新和最佳实践。

tt-metal - Python与C++神经网络运算库

GithubGrayskull模组TT-MetaliumTT-NNWormhole模组开源项目神经网络

TT-NN 提供灵活的神经网络运算功能，支持包括ResNet-50和BERT-Large在内的多种模型，能够实现高效的端到端和设备间的数据吞吐量。其兼容N150和N300卡的Wormhole模型，及适用于TT-QuietBox和TT-LoudBox的高性能模型，能满足不同硬件需求。结合TT-Metalium低级编程模型，提供丰富的开发指导和API参考，有助于在Tenstorrent硬件上高效地进行神经网络训练和推理。

ml-cvnets - 灵活的计算机视觉模型训练库

CVNetsGithub图像分类对象检测开源项目模型训练计算机视觉

CVNets是一个计算机视觉库，支持研究人员和工程师训练和评估多种计算机视觉模型，包括对象分类、对象检测和语义分割等任务。最新版本引入了直接处理文件字节的Transformer和高效在线增强，支持如Mask R-CNN、EfficientNet、Swin Transformer和ViT等模型，并增强了蒸馏功能。

llama.onnx - LLaMa和RWKV模型的ONNX实现及独立演示，支持多设备部署

GithubLLaMaRWKVonnx模型开源项目推理量化

此项目提供LLaMa-7B和RWKV-400M的ONNX模型与独立演示，无需torch或transformers，适用于2GB内存设备。项目包括内存池支持、温度与topk logits调整，并提供导出混合精度和TVM转换的详细步骤，适用于嵌入式设备和分布式系统的大语言模型部署和推理。

NeuralFlow - Mistral 7B模型中间层输出可视化工具

GithubMistral 7BNeural Flow中间层输出开源项目微调模型可视化

NeuralFlow是一个Python工具，用于可视化Mistral 7B语言模型的中间层输出。它生成512x256的热图，展示模型每层的输出。该工具可用于分析模型结构和监控fine-tuning过程中的变化。NeuralFlow将4096维张量数据转化为直观的视觉表现，为AI模型开发提供新的分析方法。

TensorFlow.NET - 用 C# 实现完整的 Tensorflow API，允许 .NET 开发人员使用跨平台的 .NET Standard 框架开发、训练和部署机器学习模型

.NETGithubKerasTensorFlowTensorFlow.NET开源项目机器学习

TensorFlow.NET为.NET Standard框架提供了TensorFlow绑定，使.NET开发者能够使用C#或F#进行机器学习模型的开发、训练和部署。项目内置Keras高级接口，支持将Python代码无缝移植到.NET环境，适用于Windows、Linux和MacOS系统，并支持CPU和GPU版本。

beauty-net - 简洁灵活的PyTorch深度学习模板

GithubPyTorch对象导向开源项目模板美观高质量代码

BeautyNet是一个为PyTorch设计的简洁、灵活且可扩展的模板。该项目采用面向对象编程，代码质量高，结构清晰。BeautyNet提供简单的安装和运行步骤，便于快速上手和模型训练。这个模板旨在简化深度学习项目的开发流程，为研究人员和开发者提供高效的工作框架。

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。

traceml - 机器学习数据追踪与可视化工具，支持多种深度学习框架

GithubPolyaxonTraceML开源项目数据追踪机器学习深度学习

TraceML 是一款强大的工具，用于机器学习和数据的追踪、可视化、解释和漂移检测。它与 Keras、PyTorch、TensorFlow、Fastai、Pytorch Lightning 和 HuggingFace 等多种深度学习和机器学习框架集成，方便用户记录和跟踪实验数据。TraceML 支持离线模式、多种数据可视化接口，并能生成详细的数据框架总结。

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

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。

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