В последнее время в сфере машинного и глубокого обучения наблюдается беспрецедентный всплеск приложений. Благодаря множеству доступных фреймворков, от SkLearn до PyTorch, Tensorflow и Caffe, вариантов обучения моделей стало много. Одновременно расширилось разнообразие целей развертывания, включая мобильные устройства, процессоры для настольных ПК, графические процессоры, TPU и т. д. Это представляет собой проблему: выбор правильного инструмента для развертывания модели, обученной с помощью..

Развитие моделей машинного обучения заставляет нас использовать мощные устройства с графическими процессорами для минимизации времени вычислений, но, тем не менее, сложные модели требуют много времени для обучения и вычислений. ONNX предоставляет нам способ минимизировать время вычислений путем преобразования PyTorch, Tensor-Flow или подобных сложных моделей в формат .onnx. Если вы хотите пройти процесс конверсии, прочитайте мой предыдущий блог : ONNX..