Onnx 1-深度学习-概述1
Onnx 1-深度学习-概述1
- 一: Onnx 概念
- 1> Onnx 介绍
- 2> Onnx 的作用
- 3> Onnx 应用场景
- 4> Onnx 文件格式
- 1. Protobuf 特点
- 2. onnx.proto3协议
- 3> Onnx 模型基本操作
- 二：Onnx API
- 1> 算子详解
- 2> Onnx 算子介绍
- 三: Onnx 模型
- 1> Onnx 函数功能
- 1. np.random.randn
- 2. helper.make_tensor_value_info
- 3. helper.make_node
- 4. helper.make_graph
- 5. helper.make_model
- 6. onnx.checker.check_model
- 7. onnx.save
- 8. helper.make_tensor
- 2> Onnx模型构建概述
- 3> Netron可视化
- 3> Onnx.Runtime 运行模型
- 四： Onnx 模型demo
- 四：Onnx 相关资料
一: Onnx 概念
1> Onnx 介绍
Onnx （Open Neural Network Exchange）是一种开放的深度学习模型格式，旨在实现不同深度学习框架之间的模型互操作性。ONNX模型算子是指在ONNX中定义的各种基本操作和计算单元，用于构建和运行深度学习模型。
Onnx 是一种针对机器学习所设计的开放式的文件格式，用于存储训练好的模型。它使得不同的深度学习框架（如Pytorch, MXNet）可以采用相同格式存储模型数据。简而言之，ONNX是一种便于在各个主流深度学习框架中迁移模型的中间表达格式；
ONNX 可以与专门的编程语言相提并论 在数学函数中。它定义了所有必要的操作 机器学习模型需要实现其推理功能 用这种语言；
ONNX 旨在为任何机器学习框架提供通用语言 可以用来描述它的模型。第一种方案是让它更容易 在生产环境中部署机器学习模型。ONNX 解释器 （或运行时）可以专门针对此任务进行实现和优化 在部署它的环境中。使用 ONNX，这是可能的 构建一个独特的流程，以在生产环境中部署模型并独立部署模型 从用于构建模型的学习框架。ONNX 实现可用于评估的 Python 运行时 ONNX 模型并评估 ONNX 操作；
2> Onnx 的作用
| 作用 | 含义 |
|---|---|
| 提高模型的互操作性 | NNX允许不同深度学习框架之间进行模型的转换和共享。这意味着您可以将从一个框架中训练的模型转换为另一个框架，并在不同平台或设备上运行，同时保留其精度和性能。通过提供通用的模型表示方式，ONNX提高了模 |