Currículo introdutório de IA da Microsoft, com 24 aulas ao longo de 12 semanas sobre IA simbólica, redes neurais, visão computacional, NLP e ética, incluindo notebooks em PyTorch e TensorFlow.
lutzroeder/netron
Visualizador de modelos de redes neurais, deep learning e machine learning, com suporte a ONNX, TensorFlow, PyTorch, Core ML e muitos outros formatos.
- Estrelas
- 33,595
- Forks
- 3,191
- Issues abertas
- 18
- Último commit
- há 3 dias
O que é?
Netron é um visualizador de modelos de redes neurais, deep learning e machine learning. Ele carrega um arquivo de modelo e exibe seu grafo computacional para que desenvolvedores possam inspecionar camadas, operadores, tensores e suas conexões sem escrever código.
Ele oferece suporte a uma ampla variedade de formatos, incluindo ONNX, TensorFlow Lite, PyTorch, torch.export, ExecuTorch, TorchScript, TensorFlow, Core ML, OpenVINO, Keras, Caffe, Darknet, Safetensors e NumPy. O suporte experimental abrange MLIR, JAX, GGUF, RKNN, ncnn, MNN, PaddlePaddle e scikit-learn.
O Netron pode ser usado no navegador em netron.app, como aplicativo para macOS, Linux e Windows ou com Python, usando pip install netron.
Recursos principais
- 01Exibe grafos de modelos de diversas frameworks e formatos em um único visualizador.
- 02Funciona no navegador sem exigir instalação.
- 03Disponível como aplicativo para macOS, Linux e Windows.
- 04Pode ser iniciado pelo Python com netron.start().
- 05Permite inspecionar camadas, operadores e conexões entre tensores no grafo.
Casos de uso
- Inspecionar a estrutura de um modelo recebido de um colega ou baixado de um hub.
- Verificar as conexões entre camadas e os operadores antes de converter ou implantar um modelo.
- Comparar como um modelo foi exportado nos formatos ONNX, TFLite ou Core ML.
- Visualizar rapidamente um arquivo de modelo a partir de um script ou notebook Python.
Início rápido
- 1
Abrir a versão para navegador em netron.app
- 2
Instalar no macOS com Homebrew
brew install --cask netron - 3
Instalar o pacote Python
pip install netron - 4
Abrir um arquivo de modelo com o Netron
netron [FILE]
Antes de usar
- Alguns formatos, como MLIR, JAX, GGUF e scikit-learn, têm apenas suporte experimental.
Tópicos
Perguntas frequentes
- O que é netron?
- Visualizador de modelos de redes neurais, deep learning e machine learning, com suporte a ONNX, TensorFlow, PyTorch, Core ML e muitos outros formatos. Netron é um visualizador de modelos de redes neurais, deep learning e machine learning. Ele carrega um arquivo de modelo e exibe seu grafo computacional para que desenvolvedores possam inspecionar camadas, operadores, tensores e suas conexões sem escrever código.
- netron é gratuito? Qual é a licença?
- netron é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- netron ainda é mantido?
- Manutenção ativa. O último commit de netron foi em 18 de out. de 2026.
- Para que posso usar netron?
- Inspecionar a estrutura de um modelo recebido de um colega ou baixado de um hub. Verificar as conexões entre camadas e os operadores antes de converter ou implantar um modelo. Comparar como um modelo foi exportado nos formatos ONNX, TFLite ou Core ML. Visualizar rapidamente um arquivo de modelo a partir de um script ou notebook Python.
- Como instalar netron?
- Abrir a versão para navegador em netron.app Instalar no macOS com Homebrew: brew install --cask netron Instalar o pacote Python: pip install netron Abrir um arquivo de modelo com o Netron: netron [FILE]
- Onde consigo netron?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/lutzroeder/netron
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Keras 3 é um framework de deep learning que roda com JAX, TensorFlow, PyTorch ou OpenVINO para inferência.
Ultralytics YOLOv5, toolkit de visão computacional baseado em PyTorch para detecção de objetos, segmentação de instâncias e classificação de imagens, com recursos de treinamento e exportação.
Uma plataforma open source completa para criar e implantar modelos de machine learning, com APIs para Python e C++.
Framework para definir modelos de ponta em machine learning para texto, visão, áudio e tarefas multimodais, voltado a inferência e treinamento.
Framework de deep learning para Python que oferece computação de tensores acelerada por GPU e redes neurais dinâmicas com base em autograd.