ONNX(Open Neural Network Exchange，开放神经网络交换)是一种开放格式，用于存储深度神经网络模型。ONNX 由微软和Facebook 于2017 年共同推出，旨在促进不同深度学习框架之间的模型交换和互操作性。ONNX 定义了一组与环境和平台无关的标准格式，使得AI 模型可以在不同的框架和环境下交互使用。经过短短几年的发展，ONNX 已经成为表示深度学习模型的实际标准。它还支持传统非神经网络机器学习模型。ONNX 有望成为整个AI 模型交换的标准。全书包括6 章，分别为ONNX 安装与使用、ONNX 运行时与应用开发技术、ONNX 各种功能与性能分析、ONNX 数据与操作数优化、ONNX 模型性能与应用、ONNX 创新开发案例分析。本书适合从事AI 算法、软件、硬件开发的工程师阅读，也可供科研人员、高校师生、技术管理人员参考使用。
【目录】
第1章 ONNX 安装与使用
1.1 安装ONNX 运行时（ORT） 001
1.2 使用ONNX 运行时 006
1.3 构建ONNX 运行时 010
1.4 支持程序相关API 028
第2章 ONNX 运行时与应用开发技术
2.1 ONNX 运行时支持程序 035
2.2 ONNX 原理介绍 037
2.3 ONNX 与Python 042
2.4 运算符属性 049
2.5 根据符号计算矩阵中所有浮点数的总和 052
2.6 树集合回归器 058
2.7 程序创建和验证模型功能 059
2.8 ONNX 模型使用开发示例分析 059
2.9 在ML.NET 中使用ONNX 检测对象 066
第3章 ONNX 各种功能与性能分析
3.1 Python API 概述 090
3.2 ONNX 中的广播 105
3.3 ONNX 操作符可区分性标签简短指南 106
3.4 维度表示 108
3.5 外部数据 109
3.6 ONNX 模型库 111
3.7 开放神经网络交换中间表示（ONNX IR）规范 114
3.8 实现ONNX 后端 125
第4章 ONNX 数据与操作数优化
4.1 管理实验操作符和图像类别定义 126
4.2 ONNX 类型 127
4.3 E4M3FNUZ 和E5M2FNUZ 129
4.4 整数类型（4 位） 131
4.5 浮点数（4 位） 132
4.6 ONNX 如何使用onnxruntime.InferenceSession 函数 133
4.7 自定义算子 138
4.8 分析工具 147
4.9 线程管理 149
4.10 自定义线程回调与应用 152
4.11 量化ONNX 模型 155
4.12 创建float16 和混合精度模型 161
第5章 ONNX 模型性能与应用
5.1 ONNX 运行时图形优化 163
5.2 ORT 模型格式 166
5.3 加载并执行ORT 格式的模型 170
5.4 BERT 模型验证 174
5.5 AzureML 上ONNX 运行时的高性能推理BERT 模型 179
第6章 ONNX 创新开发案例分析
6.1 FedAS：弥合个性化联合学习中的不一致性 190
6.2 快照压缩成像的双先验展开 192
6.3 利用光谱空间校正改进光谱快照重建 193
6.4 基于位平面切片的学习型无损图像压缩 194
6.5 LiDAR4D：用于新型时空观激光雷达合成的动态神经场 195
6.6 用于图像恢复的具有注意特征重构的自适应稀疏变换器 197
6.7 面向目标检测中边界不连续性问题的再思考 198
6.8 综合、诊断和优化：迈向精细视觉语言理解 200
6.9 光谱和视觉光谱偏振真实数据集 201
6.10 CoSeR 桥接图像和语言以实现认知超分辨率 204
6.11 SAM-6D： 分段任意模型满足零样本6D 对象姿态估计 213
6.12 NeISF：用于几何和材料估计的神经入射斯托克斯场 215
6.13 Monkey 图像分辨率和文本标签是大型多模态模型的重要内容 217
6.14 CorrMatch：通过相关性匹配进行标签传播，用于半监督语义分割 219
6.15 VCoder：多模态大型语言模型的多功能视觉编码器 220
点击下载