lutzroeder/netron

Netron 是神经网络、深度学习和机器学习模型的查看器。 Netron 支持 ONNX、TensorFlow Lite、PyTorch、torch.export、ExecuTorch、TorchScript、TensorFlow、Core ML、OpenVINO、Keras、Caffe、Darknet、Safetensors 和 NumPy。 Netron 对 MLIR、JAX、GGUF、RKNN、ncnn、MNN、PaddlePaddle 和 scikit-learn 提供实验性支持。

## 安装 **浏览器**: [**开始**](https://netron.app) 浏览器版本。 **macOS**: [**下载**](https://github.com/lutzroeder/netron/releases/latest) `.dmg` 文件或运行 `brew install --cask netron`。 **Linux**: [**下载**](https://github.com/lutzroeder/netron/releases/latest) `.deb` 或 `.rpm` 文件。 **Windows**: [**下载**](https://github.com/lutzroeder/netron/releases/latest) `.exe` 安装程序或运行 `winget install -s winget netron`。 **Python**: `pip install netron`，然后运行 `netron [FILE]` 或 `netron.start('[FILE]')`。 ## 模型 以下是一些示例模型文件，您可以使用浏览器版本下载或打开： * **ONNX**: [squeezenet](https://github.com/onnx/models/raw/main/validated/vision/classification/squeezenet/model/squeezenet1.0-3.onnx) [[打开](https://netron.app?url=https://github.com/onnx/models/raw/main/validated/vision/classification/squeezenet/model/squeezenet1.0-3.onnx)] * **TorchScript**: [traced_online_pred_layer](https://github.com/ApolloAuto/apollo/raw/master/modules/prediction/data/traced_online_pred_layer.pt) [[打开](https://netron.app?url=https://github.com/ApolloAuto/apollo/raw/master/modules/prediction/data/traced_online_pred_layer.pt)] * **TensorFlow Lite**: [yamnet](https://huggingface.co/thelou1s/yamnet/resolve/main/lite-model_yamnet_tflite_1.tflite) [[打开](https://netron.app?url=https://huggingface.co/thelou1s/yamnet/blob/main/lite-model_yamnet_tflite_1.tflite)] * **TensorFlow**: [chessbot](https://github.com/srom/chessbot/raw/master/model/chessbot.pb) [[打开](https://netron.app?url=https://github.com/srom/chessbot/raw/master/model/chessbot.pb)] * **Keras**: [mobilenet](https://github.com/aio-libs/aiohttp-demos/raw/master/demos/imagetagger/tests/data/mobilenet.h5) [[打开](https://netron.app?url=https://github.com/aio-libs/aiohttp-demos/raw/master/demos/imagetagger/tests/data/mobilenet.h5)] * **MLIR**: [edge_detection](https://github.com/iree-org/iree/raw/main/tests/e2e/stablehlo_models/edge_detection.mlir) [[打开](https://netron.app?url=https://github.com/iree-org/iree/blob/main/tests/e2e/stablehlo_models/edge_detection.mlir)] * **Core ML**: [exermote](https://github.com/Lausbert/Exermote/raw/master/ExermoteInference/ExermoteCoreML/ExermoteCoreML/Model/Exermote.mlmodel) [[打开](https://netron.app?url=https://github.com/Lausbert/Exermote/raw/master/ExermoteInference/ExermoteCoreML/ExermoteCoreML/Model/Exermote.mlmodel)] * **Darknet**: [yolo](https://github.com/AlexeyAB/darknet/raw/master/cfg/yolo.cfg) [[打开](https://netron.app?url=https://github.com/AlexeyAB/darknet/raw/master/cfg/yolo.cfg)]

标签：Apex, Linux系统监控, ONNX, Python 库, PyTorch, TensorFlow, 多模态安全, 批量测试, 数据可视化, 日志审计, 机器学习, 机器学习模型, 模型优化, 模型分享, 模型压缩, 模型存储, 模型安全, 模型安全平台, 模型开发, 模型开发平台, 模型推理, 模型推理平台, 模型查看器, 模型格式转换, 模型测试, 模型测试平台, 模型监控, 模型监控平台, 模型研究, 模型研究平台, 模型社区, 模型社区平台, 模型管理, 模型管理平台, 模型解释, 模型训练, 模型训练平台, 模型评估, 模型部署, 模型部署工具, 模型部署平台, 模型验证, 模型验证平台, 浏览器插件, 深度学习, 神经网络可视化, 自定义脚本, 跨平台工具