इस प्रोजेक्ट के बारे में

ONNX (Open Neural Network Exchange) AI मॉडलों के लिए एक खुला पारिस्थितिकी तंत्र और ओपन-सोर्स प्रारूप है, जो गहन शिक्षण और पारंपरिक मशीन लर्निंग दोनों को कवर करता है। इसका लक्ष्य डेवलपर्स को परियोजनाओं के विकास के साथ स्वतंत्र रूप से टूल चुनने की सुविधा देना है, जिसके लिए यह फ्रेमवर्क के बीच इंटरऑपरेबिलिटी सक्षम करता है और शोध से उत्पादन तक के मार्ग को सुगम बनाता है। यह परियोजना एक विस्तारणीय गणना ग्राफ मॉडल, अंतर्निहित ऑपरेटर और मानक डेटा प्रकारों को परिभाषित करती है। वर्तमान फोकस इन्फरेंसिंग (स्कोरिंग) के लिए आवश्यक क्षमताओं पर है। ONNX को फ्रेमवर्क, टूल और हार्डवेयर में व्यापक समर्थन प्राप्त है, और समुदाय को इसके विकास में भाग लेने के लिए आमंत्रित किया जाता है। README में सूचीबद्ध प्रमुख संसाधनों में ONNX Python पैकेज के लिए दस्तावेज़, ONNX मॉडल बनाने के लिए ट्यूटोरियल, और Hugging Face पर होस्ट किए गए पूर्व-प्रशिक्षित ONNX मॉडल शामिल हैं। विशिष्टता सामग्री में अवलोकन, इंटरमीडिएट रिप्रेजेंटेशन स्पेक, वर्जनिंग सिद्धांत, ऑपरेटर दस्तावेज़ीकरण और Python API अवलोकन शामिल हैं। ONNX ग्राफ के साथ काम करने के लिए प्रोग्रामिंग उपयोगिताओं में आकार और प्रकार अनुमान, ग्राफ अनुकूलन, और opset संस्करण रूपांतरण शामिल हैं। इंस्टॉलेशन PyPI के माध्यम से है: `pip install onnx`, या वैकल्पिक संदर्भ कार्यान्वयन निर्भरताओं के लिए `pip install onnx[reference]`। प्रयोग और प्रारंभिक परीक्षण के लिए साप्ताहिक पैकेज भी प्रकाशित किए जाते हैं। विस्तृत इंस्टॉल निर्देश, सामान्य बिल्ड विकल्प और सामान्य त्रुटियाँ अलग से प्रलेखित हैं। यह पैकेज abi3-संगत व्हील प्रदान करता है, जिससे एक ही बाइनरी व्हील Python 3.12 से आगे कई Python संस्करणों में काम कर सकता है। परीक्षण pytest का उपयोग करता है; pytest इंस्टॉल करने के बाद, परीक्षण `pytest` कमांड से चलते हैं। एक योगदानकर्ता गाइड विकास निर्देशों को कवर करता है। बिल्ड और रिलीज़ वर्कफ़्लो SOURCE_DATE_EPOCH को स्रोत कमिट टाइमस्टैम्प पर सेट करते हैं ताकि समर्थित बिल्ड चरणों से टाइमस्टैम्प-निर्भर भिन्नता हटाई जा सके और स्वतंत्र बिल्ड तुलना आसान हो सके। README नोट करता है कि यह अकेले वातावरणों में बाइट-दर-बाइट समान आर्टिफैक्ट की गारंटी नहीं देता; एक पुनरुत्पादन जाँच को समान स्रोत संशोधन, निर्भरता संस्करण, टूलचेन, लक्ष्य प्लेटफ़ॉर्म और बिल्ड कॉन्फ़िगरेशन का उपयोग करना चाहिए, फिर परिणामी आर्टिफैक्ट की तुलना करनी चाहिए। ऐसी तुलना रिलीज़ प्रोवेनेंस प्रमाणनों का पूरक है, उन्हें प्रतिस्थापित नहीं करती। शासन समुदाय-आधारित है, जिसमें एक खुला शासन मॉडल, विशेष रुचि समूह और कार्य समूह हैं। योगदान मार्गदर्शन और नए ऑपरेटर जोड़ने की प्रक्रिया प्रलेखित है। स्टीयरिंग कमेटी, कार्य समूहों और SIGs की नियमित बैठकें निर्धारित हैं, और समुदाय मीटअप कम से कम वार्षिक रूप से आयोजित किए गए हैं, जिनमें 2020 से 2023 तक की संग्रहीत सामग्री है। चर्चा GitHub Issues और Slack के माध्यम से होती है। यह परियोजना Apache License v2.0 के अंतर्गत लाइसेंस प्राप्त है, इसका एक आचार संहिता है, और ट्रेडमार्क जानकारी नोट करती है।