تخطَّ إلى المحتوى الرئيسي
ToolPotion

وثائق ONNX

توفر ONNX (Open Neural Network Exchange) وثائق لإصدارها 1.23.0. تغطي المفاهيم الأساسية، والتكامل مع Python، ومراجع واجهة برمجة التطبيقات (API)، وإدارة الإصدارات، وهياكل البيانات، والمشغلات (Operators). تفصل الوثائق الجوانب التقنية مثل تخزين البيانات والأمان وأدلة التنفيذ للواجهات الخلفية (Backends) والمشغلات التجريبية.

زيارة الرابط

الوصف

تُعد وثائق ONNX 1.23.0 موردًا شاملاً لفهم واستخدام تنسيق Open Neural Network Exchange. تبدأ بمقدمة عن ONNX ومفاهيمه الأساسية، وتوجه المستخدمين خلال تكامله مع Python. يتم توفير مرجع شامل لواجهة برمجة التطبيقات (API)، يشمل استراتيجيات إدارة الإصدارات، وهياكل البيانات، والدوال، وقائمة مفصلة بمشغلات ONNX.

يتم تفصيل الجوانب التقنية، بما في ذلك تفاصيل تخزين الأعداد العشرية (float) بـ 8 بت، وتنفيذ أنواع الأعداد الصحيحة بـ 4 بت و 2 بت. تتناول الوثائق أيضًا مستودع ONNX (ONNX Repository)، وتقدم إرشادات حول إضافة تعريفات الدوال للمشغلات وعملية تقديم مشغلات أو دوال جديدة إلى نظام ONNX البيئي. تُعد حالات ضمان الأمان (Security Assurance Cases) جزءًا من الوثائق أيضًا، مما يسلط الضوء على التزام ONNX بالتطوير القوي.

تتعمق أقسام تقنية إضافية في آليات البث (broadcasting) داخل ONNX، ودليل لعلامات قابلية الاشتقاق (differentiability tags)، وتسميات الأبعاد (dimension denotation)، والتعامل مع البيانات الخارجية. يتم تقديم مواصفات تمثيل ONNX الوسيط (ONNX IR Specification)، جنبًا إلى جنب مع تعليمات لتنفيذ واجهة خلفية لـ ONNX (ONNX Backend). تتم تغطية إدارة المشغلات التجريبية والبيانات الوصفية (metadata) أيضًا، بالإضافة إلى أنواع ONNX (ONNX Types) ومجموعة اختبارات الواجهة الخلفية لـ ONNX (ONNX Backend Test suite).

توفر المعلومات حول الإصدارات الرسمية لـ ONNX واتفاقيات المشغلات سياقًا لتطور الإطار. يتم تضمين نظرة عامة على واجهة برمجة تطبيقات Python (Python API) وطرق التحقق من إصدارات PyPI باستخدام إثباتات Sigstore للمطورين. أخيرًا، تتطرق الوثائق إلى أمان البيانات الخارجية، واستدلال الأشكال في ONNX (ONNX shape inference)، والصيغة النصية لـ ONNX (ONNX textual syntax)، وتسميات الأنواع (type denotation)، ومحول إصدارات ONNX (ONNX version converter)، وإدارة إصدارات ONNX (ONNX versioning)، مما يجعلها مرجعًا كاملاً لمستخدمي ONNX والمساهمين فيه.

الميزات الأساسية لـ وثائق ONNX

  • مقدمة لمفاهيم ONNX

  • دليل التكامل مع Python لـ ONNX

  • مرجع شامل لواجهة برمجة التطبيقات (API)

  • شرح مفصل لإدارة إصدارات ONNX

  • وثائق حول هياكل بيانات ONNX

  • تغطية لدوال ONNX

  • وثائق متعمقة لمشغلات ONNX

  • تفاصيل تقنية حول أنواع البيانات والتخزين (مثل: 8 بت للأعداد العشرية، 4 بت للأعداد الصحيحة)

  • إرشادات مستودع ONNX

  • إجراءات إضافة المشغلات/الدوال

  • حالة ضمان الأمان لـ ONNX

  • البث (Broadcasting) في ONNX

  • دليل علامات قابلية الاشتقاق

  • تسميات الأبعاد وتسميات الأنواع

  • التعامل مع البيانات الخارجية

  • مواصفات ONNX IR

  • إرشادات تنفيذ الواجهة الخلفية لـ ONNX

  • إدارة المشغلات التجريبية

  • البيانات الوصفية لـ ONNX

  • أنواع ONNX

  • مجموعة اختبارات الواجهة الخلفية لـ ONNX

  • الإصدارات الرسمية لـ ONNX

  • نظرة عامة على اتفاقيات المشغلات

  • نظرة عامة على واجهة برمجة تطبيقات Python

  • إثباتات Sigstore لإصدارات PyPI

  • استدلال الأشكال في ONNX

  • الصيغة النصية لـ ONNX

  • محول إصدارات ONNX

البدء مع وثائق ONNX

  1. فهم مفاهيم ONNX: اقرأ الأقسام التمهيدية لفهم المبادئ الأساسية لـ ONNX.

  2. التكامل مع Python: اتبع دليل التكامل مع Python لـ ONNX للتنفيذ العملي.

  3. استكشاف مرجع واجهة برمجة التطبيقات (API): استخدم مرجع واجهة برمجة التطبيقات للحصول على معلومات مفصلة حول الدوال والمشغلات وهياكل البيانات.

  4. تنفيذ واجهة خلفية لـ ONNX: استشر الأدلة حول تنفيذ واجهة خلفية لـ ONNX للحلول المخصصة.

  5. إضافة مشغلات/دوال جديدة: ارجع إلى الوثائق لمعرفة الإجراءات الخاصة بإضافة مشغلات أو دوال جديدة.

  6. إدارة الميزات التجريبية: تعلم كيفية إدارة واستخدام المشغلات التجريبية.

  7. التحقق من الإصدارات: فهم عملية التحقق من إصدارات ONNX PyPI باستخدام إثباتات Sigstore.

حالات استخدام وثائق ONNX

  • قابلية تشغيل نماذج التعلم الآلي
  • تسريع الأجهزة
  • تحسين النماذج
  • البحث والتطوير
  • النشر في بيئات الإنتاج

الأسئلة الشائعة من وثائق ONNX

تقييمات وثائق ONNX

جاري التحميل...

أدوات ذكاء اصطناعي شائعة مثل وثائق ONNX

أطر عمل الذكاء الاصطناعي

docs.ray.io هو البوابة الرسمية لوثائق Ray، وهو إطار عمل مفتوح المصدر مصمم لتوسيع نطاق تطبيقات الذكاء الاصطناعي وتطبيقات Python. يوفر أدلة شاملة ومراجع واجهات برمجة التطبيقات (API)…

منصّات تعلّم الآلة

أطر عمل الذكاء الاصطناعي

يوفر MindSpore مجموعة شاملة من واجهات برمجة التطبيقات (APIs) لبناء وتدريب واستنتاج نماذج الذكاء الاصطناعي. يوفر واجهات للأساسيات الإطارية، والعمليات، وطبقات الشبكات العصبية،…

منصّات تعلّم الآلة

تطبيقات الذكاء الاصطناعي

توفر Eden AI واجهة برمجة تطبيقات موحدة للوصول إلى أكثر من 500 نموذج ذكاء اصطناعي رائد، بما في ذلك نماذج اللغة الكبيرة (LLMs) والذكاء الاصطناعي المتخصص للصوت والرؤية والتعرف الضوئي…

MLOps ونشر النماذج

مدرب هو مكتبة متعددة اللغات مصممة لاستخراج بيانات منظمة وموثوقة من نماذج اللغة الكبيرة (LLMs). تدعم أكثر من 15 مزودًا وتقدم ميزات مثل أمان النوع، وإعادة المحاولة التلقائية، والبث،…

مميزةمنصّات تعلّم الآلة

أطر عمل الذكاء الاصطناعي

ONNX Runtime هو إطار عمل متقدم لتعلم الآلة عبر الأنظمة الأساسية، يقوم بتحسين التدريب والاستدلال. يدعم مجموعة متنوعة من لغات البرمجة والمنصات، مما يسهل دمج قدرات الذكاء الاصطناعي…

مميزةمنصّات تعلّم الآلة

أطر عمل الذكاء الاصطناعي

Keras هو إطار عمل للتعلم العميق بلغة بايثون. يوفر واجهة برمجة تطبيقات عالية المستوى لبناء وتدريب الشبكات العصبية. يركز Keras على تمكين التجريب السريع وسهولة الاستخدام، مما يجعله…

منصّات تعلّم الآلة

تطبيقات الذكاء الاصطناعي

توفر Visnet واجهة شبكات عصبية شاملة، غير مقيدة، ومتوافقة مع أنظمة متعددة، وعالمية لتطوير ونشر نماذج الذكاء الاصطناعي. توفر واجهة أمامية معيارية، وبنية بدون خادم، وميزات أمان قوية،…

MLOps ونشر النماذج

أطر عمل الذكاء الاصطناعي

OpenNN هي مكتبة برمجيات مجانية ومفتوحة المصدر للشبكات العصبية. توفر مجموعة شاملة من الأدوات لتطوير وتنفيذ نماذج الذكاء الاصطناعي. تم تصميم هذا الإطار للباحثين والمطورين الذين…

منصّات تعلّم الآلة