Logo
Project Icon

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。

访问官网访问官网GithubGithubHuggingfaceHuggingface
介绍知识库相关项目
cnn-explainer - 互动可视化工具，帮助用户理解卷积神经网络
CNN ExplainerGeorgia TechGithub交互式可视化卷积神经网络开源项目机器学习教育
CNN Explainer 是一个用于学习卷积神经网络的互动可视化工具，提供实时演示和本地运行功能。用户可以克隆代码库并在本地环境中运行，支持自定义模型和图像类别。该工具由乔治亚理工学院与俄勒冈州立大学合作开发。
nntrainer - 设备端神经网络训练与个性化框架
GithubNNtrainer个性化嵌入式设备开源项目机器学习神经网络
NNtrainer是专为资源受限的嵌入式设备设计的开源神经网络训练框架。支持k-NN、神经网络和逻辑回归等多种机器学习算法，提供少样本学习、ResNet和VGG等任务示例。通过设备端微调实现模型个性化，高效利用有限资源。NNtrainer独特之处在于支持设备端完整训练流程，而非仅限于推理。这使得它在保护用户数据隐私的同时，能够实现个性化模型优化。框架已在Samsung Galaxy智能手机和Ubuntu PC上验证可用。
netsaur - Deno生态系统中的轻量级高效神经网络库
DenoGithubNetsaurWebAssembly开源项目机器学习神经网络
Netsaur是Deno生态系统中的一款轻量级高效神经网络库。它提供简洁API用于创建和训练神经网络，支持CPU运行，GPU支持正在开发中。Netsaur无需额外依赖，适用于serverless环境，可快速构建和部署多种机器学习模型。这个库适合各层级的机器学习实践者使用，从入门到专业均可上手。
visualkeras - 直观展示Keras和TensorFlow神经网络架构的Python可视化库
GithubKerasPython包TensorFlowvisualkeras开源项目神经网络可视化
visualkeras是一个用于可视化Keras和TensorFlow神经网络架构的Python库。它支持分层和图形两种架构生成样式,适用于CNN和前馈网络等多种模型。该库提供灵活的样式定制选项,包括生成图例、自定义颜色映射和隐藏特定层。用户可以通过多种参数控制图层间距、缩放和维度显示。visualkeras为神经网络架构的可视化提供了简单而功能丰富的解决方案,适用于研究和教育等多种场景。
sparseml - 神经网络优化工具，简化代码实现高效稀疏模型
GithubSparseML开源项目推理优化模型优化神经网络稀疏化
SparseML是开源模型压缩工具包，使用剪枝、量化和蒸馏算法优化推理稀疏模型。可导出到ONNX，并与DeepSparse结合，在CPU上实现GPU级性能。适用于稀疏迁移学习和从零开始的稀疏化，兼容主流NLP和CV模型，如BERT、YOLOv5和ResNet-50，实现推理速度和模型大小的显著优化。
neon - 深度学习框架，兼容多硬件，实现高效模型训练
GithubIntelMKLNervananeon开源项目深度学习框架
neon是Intel推出的深度学习框架，旨在实现最佳性能，兼容多种硬件。提供全面的教程和iPython笔记本，支持卷积层、RNN、LSTM、GRU和BatchNorm等常用层。预训练模型库和示例脚本涵盖VGG、强化学习、深度残差网络等。neon v2.0.0+优化了CPU性能，集成Intel Math Kernel Library，用户可快速安装并部署在CPU、GPU或Nervana硬件上。
onnx2torch - ONNX模型转换至PyTorch的转换器
GithubONNXPyTorchonnx2torch安装开源项目转换器
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。
neural-fortran - Fortran实现的开源并行深度学习框架
FortranGithubneural-fortran并行计算开源项目深度学习神经网络
neural-fortran是一个基于Fortran的开源深度学习框架,支持密集和卷积神经网络的训练与推理。该框架提供多种优化器和激活函数,支持从Keras HDF5文件加载模型,并实现数据并行。其特点包括高性能计算、易用性和可扩展性,适用于多种深度学习应用场景。
nni - 可自动执行特征工程、神经架构搜索、超参数调优和深度学习的模型压缩
GithubNNI开源项目架构搜索模型压缩神经网络智能优化超参数调整
NNI提供一站式解决方案，支持自动化的特征工程、神经架构搜索、超参数调整和模型压缩。它兼容多种框架，并提供详尽的API、丰富的示例及全面的教程。适用于多种训练环境，包括本地、远程SSH服务器和Kubernetes，帮助推动开源社区的技术发展。
MNN - 高效轻量的深度学习框架，支持多设备推理和训练
GithubMNN开源项目推理引擎深度学习框架轻量级高性能
MNN是一个高效轻量的深度学习框架，支持设备上的推理和训练。已被阿里巴巴30多个应用集成，覆盖直播、短视频、搜索推荐等70多种场景。MNN适用于嵌入式设备，支持TensorFlow、Caffe、ONNX等多种模型格式，并优化了ARM和x64 CPU及多种GPU的计算性能。通过MNN Workbench，用户可以下载预训练模型、进行可视化训练并一键部署到设备上。
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