Учебная программа Microsoft по ИИ для начинающих: 12 недель и 24 урока о символическом ИИ, нейросетях, компьютерном зрении, NLP и этике, с ноутбуками на PyTorch и TensorFlow.
lutzroeder/netron
Просмотрщик моделей нейросетей, глубокого и машинного обучения с поддержкой ONNX, TensorFlow, PyTorch, Core ML и многих других форматов.
- Звёзды
- 33,595
- Форки
- 3,191
- Открытые issues
- 18
- Последний коммит
- 3 дня назад
Что это?
Netron — просмотрщик моделей нейросетей, глубокого и машинного обучения. Он загружает файл модели и отображает её вычислительный граф, чтобы разработчики могли без написания кода изучать слои, операторы, тензоры и связи между ними.
Поддерживается множество форматов, включая ONNX, TensorFlow Lite, PyTorch, torch.export, ExecuTorch, TorchScript, TensorFlow, Core ML, OpenVINO, Keras, Caffe, Darknet, Safetensors и NumPy. В экспериментальном режиме поддерживаются MLIR, JAX, GGUF, RKNN, ncnn, MNN, PaddlePaddle и scikit-learn.
Netron доступен в браузере на netron.app, в виде десктопного приложения для macOS, Linux и Windows, а также из Python после установки командой pip install netron.
Ключевые возможности
- 01Отображает графы моделей для множества фреймворков и форматов в одном просмотрщике.
- 02Работает в браузере и не требует установки.
- 03Доступен в виде десктопных приложений для macOS, Linux и Windows.
- 04Запускается из Python с помощью netron.start().
- 05Позволяет изучать слои, операторы и связи между тензорами в графе.
Сценарии использования
- Изучение структуры модели, полученной от коллеги или скачанной с хаба.
- Проверка связей между слоями и операторов перед конвертацией или развёртыванием модели.
- Сравнение экспорта модели в форматах ONNX, TFLite и Core ML.
- Быстрый просмотр файла модели из скрипта или ноутбука на Python.
Быстрый старт
- 1
Открыть браузерную версию на netron.app
- 2
Установить на macOS с помощью Homebrew
brew install --cask netron - 3
Установить пакет Python
pip install netron - 4
Открыть файл модели в Netron
netron [FILE]
Что важно знать
- Некоторые форматы, например MLIR, JAX, GGUF и scikit-learn, поддерживаются только в экспериментальном режиме.
Темы
Частые вопросы
- Что такое netron?
- Просмотрщик моделей нейросетей, глубокого и машинного обучения с поддержкой ONNX, TensorFlow, PyTorch, Core ML и многих других форматов. Netron — просмотрщик моделей нейросетей, глубокого и машинного обучения. Он загружает файл модели и отображает её вычислительный граф, чтобы разработчики могли без написания кода изучать слои, операторы, тензоры и связи между ними.
- netron можно использовать бесплатно? Какая у него лицензия?
- netron распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- netron всё ещё поддерживается?
- Активно поддерживается. Последний коммит в netron — 18 окт. 2026 г..
- Для чего можно использовать netron?
- Изучение структуры модели, полученной от коллеги или скачанной с хаба. Проверка связей между слоями и операторов перед конвертацией или развёртыванием модели. Сравнение экспорта модели в форматах ONNX, TFLite и Core ML. Быстрый просмотр файла модели из скрипта или ноутбука на Python.
- Как установить netron?
- Открыть браузерную версию на netron.app Установить на macOS с помощью Homebrew: brew install --cask netron Установить пакет Python: pip install netron Открыть файл модели в Netron: netron [FILE]
- Где скачать netron?
- Исходный код и инструкции по установке — на GitHub: https://github.com/lutzroeder/netron
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Keras 3 — фреймворк для глубокого обучения, работающий на JAX, TensorFlow, PyTorch или OpenVINO для инференса.
Ultralytics YOLOv5 — библиотека компьютерного зрения на базе PyTorch для детекции объектов, сегментации экземпляров и классификации изображений, с обучением и экспортом моделей.
Высокопроизводительный фреймворк на C++ для инференса моделей глубокого обучения на мобильных, встраиваемых и настольных устройствах.
Библиотека тензоров и фреймворк для глубокого обучения на Rust с обучением и инференсом на CUDA, ROCm, Metal, Vulkan, WebGPU и CPU.
Фреймворк для машинного обучения и математики на Go: обучение с ускорением XLA, бэкенд на чистом Go и загрузка моделей HuggingFace.