onnx/models

解决的问题

本项目提供了一个集中且精选的预训练最先进机器学习模型集合，这些模型已转换为 ONNX (Open Neural Network Exchange) 格式。这使得开发人员可以在不同的框架、工具、运行时和编译器中使用模型，而不会被原始训练框架所限制。

工作原理

模型源自著名的开源仓库（如 timm、torchvision 和 transformers），并使用 TurnkeyML 工具链导出为 ONNX 格式。该仓库使用 Git LFS 处理大型模型文件，并包含一系列经过验证的各领域模型，以确保准确性。

适用对象

希望以与环境无关的方式部署预训练模型，或使用支持 ONNX 标准的运行时的 AI 开发人员、研究人员和爱好者。

亮点

• 广泛的模型覆盖：包括计算机视觉（分类、检测、分割）、NLP（理解、翻译、建模）、生成式 AI 和图机器学习的模型。
• 跨框架兼容性：通过 ONNX 开放标准，使模型能够在多种运行时和编译器中使用。
• 量化支持：提供由 Intel® Neural Compressor 生成的 INT8 模型，以提高效率。
• 经过验证的准确性：维护一份经过严格准确性验证的特定模型列表。