onnx/onnx-ecosystem

ONNX Converter Ecosystem Docker容器

关于

该工具使新用户能够快速开始使用ONNX模型格式进行模型转换和推理。通过以下步骤，您将启动预配置的Jupyter Notebook环境，并探索从各种机器学习框架到ONNX格式的模型转换入门脚本，使用ONNX Runtime进行推理。

核心功能和特性

支持的框架到ONNX转换

• CoreML
• Keras
• SciKit-Learn
• Tensorflow
• PyTorch
• LightGBM
• CNTK
• MXNet
• Caffe (v1)
• XGBoost (预览版)
• LibSVM (预览版)

使用场景和适用范围

适用于需要将不同机器学习框架的模型统一转换为ONNX格式的用户，包括机器学习开发者、数据科学家和研究人员。可用于模型格式标准化、跨框架推理测试以及ONNX模型部署前的转换验证。

使用方法和配置说明

前提条件

确保已安装Docker，Windows用户需使用适用于Linux容器的Docker。

获取镜像

有两种方式获取ONNX生态系统Docker镜像：

1. 从DockerHub拉取预构建镜像

   bash
   docker pull onnx/onnx-ecosystem
   

2. 本地构建镜像

   • 克隆仓库并导航至onnx-docker/onnx-ecosystem文件夹
   • 执行构建命令：

     bash
     docker build . -t onnx/onnx-ecosystem
     

启动容器

运行以下命令启动Jupyter Notebook服务器（将本地8888端口映射到容器暴露的8888端口）：

bash
docker run -p 8888:8888 onnx/onnx-ecosystem

验证容器运行状态

在单独终端执行docker ps命令，查看容器名称并确认容器已成功运行。

访问Jupyter Notebook

• 在容器启动日志中找到Jupyter Notebook的访问URL，格式通常为：

  http://127.0.0.1:8888/?token=随机字符串
  

• 使用提供的token访问Notebook界面。

文件传输

上传文件

• 通过Jupyter Notebook界面右上角的"Upload"按钮上传文件。

复制文件到容器

• 复制单个文件：

  bash
  docker cp 本地文件路径 容器ID:/scripts/文件名
  

• 复制整个文件夹：

  bash
  docker cp 本地文件夹路径/. 容器ID:/文件夹名
  

模型转换操作

导航至容器内的converter_scripts文件夹，编辑相应的Notebook文件以：

• 将模型转换为ONNX格式
• 使用ONNX Runtime测试转换后的模型准确性

贡献

本项目欢迎贡献和建议。详情请参阅https://github.com/onnx/onnx/blob/master/docs/CONTRIBUTING.md%E5%92%8CONNX%E5%BC%80%E6%BA%90%E8%A1%8C%E4%B8%BA%E5%87%86%E5%88%99%E3%80%82

致谢

此容器基于2018年的原始https://github.com/Microsoft/onnxconverter%E5%BC%80%E5%8F%91%EF%BC%8C%E6%9B%B4%E6%96%B0%E5%90%8E%E7%9A%84%E7%94%9F%E6%80%81%E7%B3%BB%E7%BB%9F%E5%AE%B9%E5%99%A8%E6%98%AFhttps://github.com/onnx/onnxmltools%E5%9B%A2%E9%98%9F%E5%8A%AA%E5%8A%9B%E7%9A%84%E6%88%90%E6%9E%9C%E3%80%82

许可证

https://github.com/onnx/onnx-docker/blob/master/LICENSE