PINTO0309/onnx2tf
این ابزار برای تبدیل فایل‌های ONNX با فرمت NCHW به فرمت‌های TensorFlow، TFLite و Keras با ساختار NHWC طراحی شده است. ️
کاربرد:
مشکل اصلی که این ابزار حل می‌کنه، حذف ترانهاده‌های اضافی (Transpose) هنگام تبدیل با کتابخانه onnx-tf هست که باعث کاهش عملکرد و افزایش حجم مدل میشه. این ابزار با بهینه‌سازی ساختار تبدیل، از این مشکل جلوگیری می‌کنه.
در چه شرایطی بهتره استفاده شود؟
وقتی مدلی رو از یک فریم‌ورک مانند PyTorch به ONNX تبدیل کردید و می‌خواید اون رو برای استفاده در محیط‌های موبایل یا وب با TensorFlow Lite یا Keras بهینه کنید، این ابزار گزینه عالی‌ایه. به‌ویژه اگر با ترانهاده‌های غیرضروری مشکل داشته باشید، استفاده از این ابزار توصیه میشه.
چند مثال از موارد استفاده:
تبدیل مدل‌های تصویربرداری مانند YOLO یا ResNet از ONNX به TFLite برای دستگاه‌های لبه (Edge Devices)
بهینه‌سازی مدل‌های هوش مصنوعی برای استفاده در اپلیکیشن‌های اندروید یا iOS
استفاده در محیط‌هایی که نیاز به اجرای سریع و کم‌مصرف مدل‌های یادگیری ماشین دارید، مثل ربات‌ها یا دوربین‌های هوشمند
- ##onnx2tf
- ##TensorFlow
- ##TFLite
- ##Keras
- ##ModelConversion
- ##EdgeAI
- ##MachineLearning
- ##DeepLearning
- ##ONNX
- ##AI