Keras 3 — фреймворк для глубокого обучения, работающий на JAX, TensorFlow, PyTorch или OpenVINO для инференса.
microsoft/onnxruntime
Кроссплатформенный ускоритель для запуска ML-моделей, экспортированных в формат ONNX, с поддержкой обучения с помощью PyTorch-скриптов.
- Звёзды
- 22,137
- Форки
- 4,347
- Открытые issues
- 1,820
- Последний коммит
- 2 часа назад
Что это?
ONNX Runtime — кроссплатформенный ускоритель для инференса и обучения моделей машинного обучения. Он запускает модели из таких фреймворков, как PyTorch и TensorFlow/Keras, а также из классических библиотек, например scikit-learn, LightGBM и XGBoost, если они представлены в формате ONNX.
Для инференса он оптимизирует и преобразует графы вычислений, а при наличии использует аппаратные ускорители, чтобы сократить время отклика и вычислительные затраты. Он рассчитан на работу с разным оборудованием, драйверами и операционными системами.
Для обучения проект ускоряет работу с трансформерными моделями на нескольких узлах с GPU NVIDIA. По описанию проекта, для этого достаточно добавить всего одну строку в существующий обучающий скрипт PyTorch.
Ключевые возможности
- 01Запускает модели, экспортированные из PyTorch, TensorFlow/Keras и классических ML-библиотек в формате ONNX
- 02Оптимизирует и преобразует графы вычислений, повышая производительность инференса
- 03По возможности использует аппаратные ускорители на разных типах оборудования и с разными драйверами
- 04Ускоряет обучение трансформерных моделей на нескольких узлах с GPU NVIDIA
Сценарии использования
- Развёртывание обученных моделей глубокого обучения в production-сервисах с меньшей задержкой
- Запуск одной модели на разном оборудовании и в разных операционных системах
- Ускорение обучения трансформерных моделей на кластерах GPU NVIDIA
Быстрый старт
- 1
Скачайте релиз со страницы релизов GitHub
- 2
Ознакомьтесь с документацией по использованию и руководствами на onnxruntime.ai/docs
Что важно знать
- В README описано ускорение обучения на GPU NVIDIA.
Темы
Частые вопросы
- Что такое onnxruntime?
- Кроссплатформенный ускоритель для запуска ML-моделей, экспортированных в формат ONNX, с поддержкой обучения с помощью PyTorch-скриптов. ONNX Runtime — кроссплатформенный ускоритель для инференса и обучения моделей машинного обучения. Он запускает модели из таких фреймворков, как PyTorch и TensorFlow/Keras, а также из классических библиотек, например scikit-learn, LightGBM и XGBoost, если они представлены в формате ONNX.
- onnxruntime можно использовать бесплатно? Какая у него лицензия?
- onnxruntime распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- onnxruntime всё ещё поддерживается?
- Активно поддерживается. Последний коммит в onnxruntime — 22 окт. 2026 г..
- Для чего можно использовать onnxruntime?
- Развёртывание обученных моделей глубокого обучения в production-сервисах с меньшей задержкой Запуск одной модели на разном оборудовании и в разных операционных системах Ускорение обучения трансформерных моделей на кластерах GPU NVIDIA
- Как установить onnxruntime?
- Скачайте релиз со страницы релизов GitHub Ознакомьтесь с документацией по использованию и руководствами на onnxruntime.ai/docs
- Где скачать onnxruntime?
- Исходный код и инструкции по установке — на GitHub: https://github.com/microsoft/onnxruntime
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
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.
Просмотрщик моделей нейросетей, глубокого и машинного обучения с поддержкой ONNX, TensorFlow, PyTorch, Core ML и многих других форматов.
Библиотека Python для преобразования кода машинного обучения между фреймворками, включая PyTorch, TensorFlow, JAX и NumPy, с помощью ivy.transpile.
Python-библиотека и облачная платформа для отслеживания, визуализации и управления экспериментами машинного обучения, датасетами и моделями.
Ultralytics YOLOv5 — библиотека компьютерного зрения на базе PyTorch для детекции объектов, сегментации экземпляров и классификации изображений, с обучением и экспортом моделей.