onnxruntime

跨平台的机器学习模型推理与训练加速工具

ONNX Runtime 机器学习深度学习硬件加速模型训练 Github 开源项目

ONNX Runtime是一款跨平台的机器学习推理和训练加速工具，兼容PyTorch、TensorFlow/Keras、scikit-learn等深度学习框架及传统机器学习库。它支持多种硬件和操作系统，通过硬件加速和图优化实现最佳性能，显著提升模型推理和训练速度，尤其在多节点NVIDIA GPU上的Transformer模型训练中表现出色。

访问官网

Github

介绍相关项目

oneDNN - 优化深度学习应用的跨平台性能库，支持多种处理器架构

CPU优化GithubUXL Foundationdeep learningoneAPI specificationoneDNN开源项目

oneAPI Deep Neural Network Library (oneDNN) 是一个开源的跨平台性能库，提供深度学习应用的核心模块。oneDNN 专为Intel架构处理器、Intel图形处理器和Arm 64位架构处理器进行优化，并实验性支持NVIDIA、AMD、OpenPOWER、IBMz 和 RISC-V 等架构的 GPU 和 CPU。深度学习应用及框架开发者可以利用oneDNN提升在多种硬件上的性能表现。

optimum - 提升模型在不同硬件上的训练和运行效率的一系列优化工具

GithubHugging Face OptimumONNX RuntimeOpenVINOTransformer开源项目训练模型

Optimum扩展了Transformers和Diffusers，提供了一系列优化工具，提升模型在不同硬件上的训练和运行效率。支持的硬件平台包括ONNX Runtime、Intel Neural Compressor、OpenVINO、NVIDIA TensorRT-LLM、AMD Instinct GPUs、AWS Trainium & Inferentia、Habana Gaudi处理器和FuriosaAI。Optimum支持多种优化技术，如图优化、动态量化、静态量化和量化感知训练，配有详尽的文档和示例代码，帮助用户导出和运行优化后的模型。

openvino - 提升深度学习模型部署与优化的开源工具包

AI应用GithubOpenVINO开源项目性能提升模型部署深度学习模型优化热门

OpenVINO™是一款开源软件工具包，用于优化和部署深度学习模型。它支持多种框架如TensorFlow、PyTorch等，能在从边缘到云的多种平台上高效部署。此工具包还包含大量社区资源和教程，助力提升计算机视觉、自然语言处理等领域的模型性能。

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。

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。

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。

XNNPACK - 多平台优化的神经网络推理引擎支持移动和嵌入式系统

GithubXNNPACK开源项目深度学习框架神经网络推理移动平台优化算子支持

XNNPACK是一个用于加速高级机器学习框架的神经网络推理引擎。它支持ARM、x86、WebAssembly和RISC-V等多种平台，提供低级性能原语，优化TensorFlow Lite、PyTorch等框架的运行效率。XNNPACK实现了丰富的神经网络操作符，在移动设备和嵌入式系统上表现出色，能高效运行各代MobileNet模型。在Pixel 3a上，XNNPACK能在44毫秒内完成FP32 MobileNet v3 Large的单线程推理，展现了其卓越的性能。

espnet_onnx - 轻量级语音识别和合成库基于ONNX格式优化

GithubONNXespnet_onnx开源项目模型导出语音合成语音识别

espnet_onnx是一个将ESPnet模型导出为ONNX格式的实用库，支持语音识别和语音合成任务。该库提供简洁的API接口，便于模型导出和推理。通过ONNX Runtime实现高效的CPU和GPU计算，并支持流式语音识别。用户可从预训练或自定义模型中轻松导出，并进行优化和量化以提升性能。无需PyTorch依赖，适合轻量级部署。

ai.deploy.box - 多平台支持的深度学习模型推理工具箱

AI工具箱AiDBGithub开源项目推理框架模型部署深度学习

AiDB是一个方便的C++深度学习模型部署工具，兼容ONNXRUNTIME、MNN、NCNN、TNN、PaddleLite和OpenVINO等主流推理框架。该工具简化了多框架的集成，通过统一接口支持多平台操作，如Linux、MacOS和Android，以及多种编程语言如Python、Lua和Go。项目包含丰富的部署实例和演示，帮助用户快速进行模型部署。

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。

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