Ekspor ke ONNX agar Portabel
Pindahkan model lintas kerangka kerja dan runtime.
Ekspor ke ONNX agar Portabel adalah pelajaran MLOps Academy gratis di CoddyKit. Ini adalah pelajaran 3 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar MLOps Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus MLOps Academy mencakup 4 pelajaran total.
Masalah Portabilitas
Anda melatih model di PyTorch, tetapi ingin menyajikannya dalam C++ atau peramban. Berkas yang terkunci pada suatu kerangka kerja membuatnya sulit. ONNX mengatasinya. 🌍
Apa Itu ONNX
ONNX adalah format terbuka dan bersama untuk model. Format ini menjelaskan matematika sebagai graf yang dapat dibaca oleh banyak kerangka kerja dan waktu proses.
Graf Operator
Di balik layar, model ONNX adalah graf operator standar seperti MatMul dan Relu, beserta bobot yang telah dipelajari.
Latih Sekali, Jalankan di Mana Saja
Ekspor sekali, lalu berkas yang sama dapat berjalan di server, perangkat seluler, dan perangkat edge melalui berbagai waktu proses, tanpa perlu pelatihan ulang.
Ekspor dari PyTorch
PyTorch menyediakan alat ekspor. Anda meneruskan model dan contoh input ke torch.onnx.export agar graf dapat dilacak.
import torch
torch.onnx.export(model, sample, 'model.onnx')Mengapa Menggunakan Contoh Input?
Alat ekspor menjalankan model pada contoh tersebut untuk mencatat operator yang aktif. Proses yang dilacak itu menjadi graf yang disimpannya.
Konversi dari sklearn
Untuk scikit-learn, gunakan pustaka skl2onnx. Berikan model dan bentuk input agar dihasilkan graf ONNX.
from skl2onnx import to_onnx
onx = to_onnx(model, X[:1])Jalankan dengan ONNX Runtime
ONNX Runtime adalah mesin lintas platform yang cepat. Muat berkas .onnx ke dalam sesi, lalu panggil run untuk memperoleh prediksi.
import onnxruntime as ort
sess = ort.InferenceSession('model.onnx')Kecepatan dan Perangkat Keras
ONNX Runtime dapat menggunakan penyedia eksekusi seperti CUDA atau TensorRT untuk mempercepat model yang sama pada perangkat keras yang berbeda. ⚡
Versi Opset
Setiap ekspor menargetkan versi opset yang menentukan operator yang tersedia. Sesuaikan dengan dukungan waktu proses Anda, atau pemuatan akan gagal.
Selalu Verifikasi Output
Setelah ekspor, jalankan kedua model dengan input yang sama lalu bandingkan. Pastikan hasil ONNX cocok dengan hasil asli sebelum menggunakannya. ✅
Pemeriksaan Singkat
Mari lihat seberapa baik pemahaman Anda tentang ONNX.
Rangkuman
Anda dapat mengekspor model ke ONNX, menjalankannya dengan ONNX Runtime pada perangkat keras apa pun, memperhatikan opset, dan selalu memverifikasi kecocokan output. 🎉
Belajar Python dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Ekspor ke ONNX agar Portabel” gratis?
Ya — teks lengkap “Ekspor ke ONNX agar Portabel” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus MLOps Academy, upgrade ke CoddyKit PRO. Kursus MLOps Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Ekspor ke ONNX agar Portabel”?
Pindahkan model lintas kerangka kerja dan runtime. Kamu berlatih MLOps Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai MLOps Academy?
Tidak diperlukan pengalaman sebelumnya. MLOps Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 3 dari 4.
Berapa lama pelajaran “Ekspor ke ONNX agar Portabel” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran MLOps Academy ini?
Ya. Setiap pelajaran MLOps Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Serialisasi dengan Pickle dan Joblib
- MLflow Model Flavor
- Ekspor ke ONNX agar Portabel
- Tentukan Tanda Tangan dan Skema Model