microsoft/onnxruntime
微软打造的推理引擎,让用PyTorch或TensorFlow做出的AI模型能在几乎任何设备上快速运行
onnxruntime可以让用各种深度学习框架和传统机器学习库构建的模型,在不同硬件和操作系统上快速运行。它通过优化模型的计算图结构并调用硬件加速功能来提升推理速度。对于现有的PyTorch训练脚本,只需增加一行代码,就能利用多台英伟达GPU加速训练transformer模型。
它做什么
- 支持PyTorch、TensorFlow/Keras等深度学习框架的模型,也支持scikit-learn、LightGBM、XGBoost等传统机器学习库的模型
- 通过优化模型内部的计算图结构、自动调用对应硬件的加速能力来提升性能
- 只需在现有PyTorch训练脚本中加一行代码,就能借助多台英伟达GPU加速transformer模型的训练
- 设计上可在不同硬件、驱动和操作系统环境下保持一致的运行表现
为什么重要
模型训练时使用的框架和实际部署运行的环境经常不一致,onnxruntime弥合了这个差距,降低部署成本、提升响应速度。这个项目在GitHub上获得超过21000颗星,是被广泛使用的基础设施工具,对任何构建和上线AI产品的开发者都有实际影响。
本仓库术语
- ONNX · 用于统一表示不同深度学习框架所构建模型的开放格式
- 推理(inference) · 将新数据输入已训练好的模型以得到结果的过程
- 计算图优化 · 调整模型内部运算的顺序和结构,使其能更快得到相同结果
- 硬件加速器 · 如GPU、NPU等专门设计用来比普通CPU更快完成特定运算的硬件
仓库简介（英文）
ONNX Runtime: cross-platform, high performance ML inferencing and training accelerator
在 GitHub 打开热门仓库
- openai/codexOpenAI的编程智能体现在可以直接在终端里运行了
- cordiverse/cordis一个可以随时插拔功能模块的TypeScript编程框架
- ripienaar/free-for-dev一个仓库汇总了开发者能用的所有免费云服务、API和协作工具
- Wei-Shaw/sub2api让一份Claude、OpenAI、Gemini、Grok订阅可以被多人拼车共用的中转服务器
- multica-ai/andrej-karpathy-skills一份指令文件,防止AI编程助手偷偷瞎猜、乱改代码
- eneskirca/nodeterm把散乱的终端标签页和AI编程代理统一摆到一张可拖拽的画布上
- affaan-m/ECC让AI编程助手养成工程师式工作习惯的工具集
- n8n-io/n8n不用写代码,靠拖拽连接模块就能搭建自动化流程和AI智能体的工具n8n