Advertisement

该项目包含一组预训练的最新模型,以ONNX格式提供-源代码。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
ONNX模型动物园是一种通用的开放标准格式,专门用于呈现机器学习模型的结构和参数。该ONNX格式已获得众多合作伙伴的广泛支持,他们已经将其整合到各种框架和工具中。ONNX模型动物园汇集了由社区成员提供的、经过预训练的最新模型的集合,这些模型旨在用于机器学习模型的训练以及基于训练结果的推理过程。这些笔记本电脑程序均采用Python编写,并包含了指向训练数据集的链接,以及对描述模型架构的原始学术论文的引用。目前,我们正致力于对其进行标准化工作,以便能够有效地存储ONNX模型文件。若要下载这些ONNX模型文件,请访问相应的GitHub页面,并在右上角找到并点击“Download”按钮进行获取。请务必参考下方部分内容,以了解关于ONNX模型库(.onn)的更多信息。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 集合ONNX
    优质
    本项目汇集了众多深度学习框架中最新预训练模型的ONNX格式文件及其原始代码,便于研究和开发使用。 ONNX模型动物园是一种开放标准格式,用于表示机器学习模型,并得到了许多合作伙伴的支持。这些合作伙伴已在多个框架和工具中实现了该功能。ONNX模型动物园由社区成员提供的预训练的最新ONNX格式模型组成,每个模型都包括进行训练并根据训练后的模型进行推断所需的资源。这些笔记本是用Python编写的,包含了指向训练数据集的链接以及对描述模型架构的原始论文的引用。 我们已经标准化了存储ONNX模型文件的方式。要下载ONNX模型,请导航到相应的Github页面,并点击右上角的Download按钮以开始下载过程。
  • PaddleOcr文件转换为ONNX(paddleocr2onnx.zip)
    优质
    PaddleOCR预训练模型转换工具,可将PaddleOCR项目中的模型文件便捷地转换为ONNX格式,便于在多种平台上部署和使用。 在深度学习与计算机视觉领域里,模型转换是一项关键技术,它使开发者能够将一个框架的模型迁移到另一个框架上,在不同的平台和设备间部署使用。PaddlePaddle是百度开发的一个深度学习平台;而PaddleOcr则是基于该平台创建的一款光学字符识别工具包。ONNX(开放神经网络交换)是一种通用格式,用于表示各种机器学习模型,并支持它们在不同框架间的转换与互操作。 “paddleocr2onnx.zip”这个压缩文件包含了将PaddleOcr预训练模型转化为ONNX格式所需的脚本和相关文件。“paddleocr2onnx-master”指示了该转换工具的源代码库,通常包括核心转换程序、依赖项以及使用说明文档。 此转换器的主要功能涵盖以下几点: 1. 读取并解析PaddlePaddle预训练模型。 2. 将特定于PaddlePaddle的操作和网络结构重新构建为ONNX支持的形式。 3. 转换参数,并保存结果到新的ONNX格式文件中。 4. 提供用于验证转换后模型准确性的测试脚本。 在执行转换时,开发者需要考虑的因素包括: - 兼容性:确保转化后的模型能够在目标平台上顺利运行; - 精度损失:关注由于数据格式差异导致的可能精度下降问题; - 运行效率:保证新模型具备与原生版本相仿或更高的性能表现。 此外,在进行转换时,通常需要依赖特定工具库。例如,将PaddleOcr模型转为ONNX需要用到PaddlePaddle提供的导出功能,并且要遵循ONNX的规范来完成算子映射和结构重建工作。这要求开发者对两个框架及其内部机制有深入理解。 总之,从PaddleOcr预训练模型转换到ONNX格式涉及深度学习平台、模型迁移技术、神经网络架构知识以及编程实现等多个方面。这一过程旨在打破不同框架之间的壁垒,使模型能够在更广泛的环境中部署和运行,从而最大化其在图像识别与文档处理等领域的应用价值。
  • CIFAR10 - PyTorch - 文件、和测试及Kaggle上
    优质
    本项目提供了一个基于PyTorch框架的CIFAR-10数据集图像分类解决方案,包含详细的模型源码、训练与测试脚本,并附有在Kaggle平台上的预训练模型以供参考和使用。 cifar10文件夹:包括了cifar10原数据库 kaggle文件夹:包括了在kaggle上训练好的模型及日志文件 model文件夹:包括了本地cpu训练好的模型 src文件夹: - kaggle_tensorboard.py: 用于使用tensorboard展示kaggle上训练的日志 - model.py: 神经网络模型 - res_model:残差网络模型 有问题就发邮件。GuanlinLi_BIT@163.com
  • YOLOV5-7.0 正 yolov5n-7.0.onnx
    优质
    简介:YOLOv5-7.0正式版提供轻量级yolov5n-7.0.onnx预训练模型,适用于实时目标检测任务,具备高效准确的特性。 YOLOV5-7.0 官方预训练模型 yolov5n-7.0.onnx
  • SRN-DeblurNet: PyTorch实现及
    优质
    简介:SRN-DeblurNet是一款用于图像去模糊任务的深度学习模型,基于PyTorch框架开发,并提供了经过大量数据训练得到的预训练模型。 为了训练SRN-DeblurNet模型,我严格按照原始论文中的所有配置进行操作。在测试PSNR值时,我把GOPRO数据集的测试部分分为两半:一半用于验证,另一半用于最终测试,并得到了29.58db PSNR的结果(而原论文报道的数据为30.26db)。我已经提供了预训练模型。 值得注意的是,在没有进行伽玛校正的情况下也可以对GOPRO中的模糊图像进行训练。我尝试将该模型应用到真实世界中的人脸图像上,但发现其推广效果不佳。欢迎任何讨论或更正意见。
  • ProtTrans: 先进蛋白质Transformer
    优质
    简介:ProtTrans是一种先进的基于Transformer架构的模型,专门用于蛋白质的预训练。它能够有效提升生物信息学领域中各类任务的表现,为药物设计和生物学研究提供强大支持。 ProtTrans 提供了最先进的蛋白质预训练模型,并通过使用数千个来自Summit的GPU以及各种Transformers模型中的Google TPU进行了培训。欲了解更多关于我们的工作,请查阅我们的论文。此存储库将定期更新,以支持生物信息学界,特别是我们SASAR项目在Covid-19研究方面的进展。 目录: - 预言 - 蛋白质序列生成 - 可视化 - 基准测试 - 期望成绩 - 二级结构预测(第3季度) - 二级结构预测(Q8) - 膜结合与水溶性(Q2) - 亚细胞定位(Q10) - 社区和贡献 - 遇到问题? - 发现错误? - 特别要求 - 团队成员
  • OpenPose官方Caffe文件-附件资
    优质
    本资源提供OpenPose项目的Caffe框架下的预训练模型文件,便于用户快速上手人体关键点检测,促进姿态估计研究与应用。 openpose官方提供的预训练caffe模型文件可以作为附件资源获取。
  • Dinov2
    优质
    Dinov2是一种先进的自监督学习视觉Transformer模型。本文档提供了其源代码和经过大规模数据集预训练的模型,方便研究者们进行深度学习与计算机视觉领域的探索与应用。 dinov2的代码与预训练模型提供了强大的工具支持研究和应用开发。
  • ONNXmobileSAM
    优质
    ONNX格式的mobileSAM模型是专为移动设备优化的小型化版本,基于SAM架构,支持通过ONNX运行时在多种平台上高效部署和执行分割任务。 将MobileSAM模型导出为ONNX格式可以带来以下优势: 跨平台部署: ONNX是一种开放式的跨平台模型表示格式,支持多种深度学习框架。通过将MobileSAM模型导出为ONNX格式,你可以在不同的深度学习框架中加载和运行该模型,从而实现跨平台部署。 移动端部署: ONNX格式的模型可以在移动设备上进行部署,包括智能手机、平板电脑等。由于MobileSAM模型本身就是设计用于移动设备的轻量级模型,将其导出为ONNX格式可以更轻松地集成到移动应用程序中。 模型优化: 导出为ONNX格式后,你可以使用ONNX提供的工具对模型进行优化和微调,以提高其性能和效率。例如,你可以利用ONNX Runtime来运行和推理ONNX格式的模型,并且该工具针对移动设备和嵌入式系统进行了专门优化。 模型转换与集成: 有时你可能需要将MobileSAM模型与其他模型整合或转换为其他格式。通过首先将其导出为ONNX格式,可以更容易地与其他模型进行结合,并利用ONNX丰富的工具生态系统来进行后续处理及转换操作。
  • Yolov5ONNX转换
    优质
    本项目专注于基于YOLOv5的目标检测模型训练,并探讨将其导出为ONNX格式的方法,以促进跨平台部署与应用。 目标检测工程备份涉及将已完成的目标检测项目的代码、数据集和其他相关文件进行保存,以防丢失或损坏。这一过程通常包括创建多个版本的存储库,并定期更新以确保所有更改都被记录下来。此外,还可能涉及到使用云服务或其他远程服务器来增加数据的安全性和可访问性。 在目标检测项目中备份工程是非常重要的步骤,可以避免由于硬件故障、意外删除等原因导致的数据丢失问题。通过合理的备份策略和工具选择,开发人员能够更专注于项目的迭代优化和技术研究上。