nya-a-cat/edgefit

# EdgeFit [](https://github.com/nya-a-cat/edgefit/actions/workflows/ci.yml) EdgeFit 根据显式部署目标契约静态验证 ONNX 模型。它通过 CLI 和 GitHub Action 报告计算图兼容性、激活内存规划、策略违规以及回归证据。 ``` model.onnx + target profile ↓ graph facts · memory plan · policy ↓ pass / fail + JSON · Markdown · SARIF ``` EdgeFit 不是推理运行时或设备基准测试工具。 ## 范围 - 算子、域、dtype、opset、rank、shape、模型大小和激活内存检查由目标配置文件定义。 - 缺失的 dtype、无法解析的 tensor 大小、不支持的计算图结构以及无法验证的内存预算将直接判定为失败。 - 内存报告将逻辑上的活跃 tensor 字节与确定性的 arena 分配、对齐、workspace、内存碎片和安全就地复用区分开来。 - 稳定的诊断 ID、抑制规则、快照、差异对比、JSON、Markdown 和 SARIF 支持自动化审查。 ## 快速开始 — Linux 和 macOS 包含的标准化测试夹具只需要稳定的 Rust 工具链： ``` cargo build -p edgefit-cli --release --locked ./target/release/edgefit check \ examples/models/good_tiny.edgefit.json \ --target targets/esp32s3.yaml ``` 退出码是公共 CLI 契约的一部分： | 代码 | 含义 | | ---: | --- | | `0` | 分析完成且模型符合目标契约。 | | `1` | 分析完成并产生了阻断部署的决策。 | | `2` | 输入、配置、适配器或调用失败。 | ### 检查真实的 ONNX 模型 直接输入 `.onnx` 会使用锁定的 Python 适配器。安装了 [uv](https://docs.astral.sh/uv/) 后： ``` uv venv .venv uv pip install --python .venv/bin/python \ -r tools/onnx-normalize/requirements.txt EDGEFIT_PYTHON="$PWD/.venv/bin/python" \ ./target/release/edgefit check model.onnx \ --target targets/ort-mobile-cpu.yaml \ --format json \ --out edgefit-report.json ``` 该适配器将模型验证和 shape 推断委托给锁定的官方 ONNX 包。它是可替换的；Rust 分析和策略核心不依赖于 Python 包。 ## 将其用作 Pull Request 门禁 ``` name: EdgeFit on: [pull_request] jobs: deployment-budget: runs-on: ubuntu-latest permissions: contents: read security-events: write steps: - uses: actions/checkout@v4 - uses: nya-a-cat/edgefit@main with: model: models/model.onnx target: targets/device.yaml report: edgefit.sarif summary: edgefit-summary.md ``` 在发布第一个稳定标签之前，请将长期的工作流锁定到已审查的 commit SHA，而不是 `main` 分支。该 Action 会验证目标、运行检查、发布 Markdown 作业摘要，然后恢复 EdgeFit 的退出状态。 有关 SARIF 上传、抑制和 fork-PR 处理，请参见 [GitHub Action 用法](docs/GITHUB_ACTION_USAGE.md)。 ## 验证内容 | 层级 | 生成的证据 | | --- | --- | | 模型完整性 | ONNX 验证、shape 推断状态、外部数据、opset 导入、计算图边界检查 | | 目标兼容性 | 算子/域、dtype、rank、shape、模型文件和 runtime 策略诊断 | | 激活内存 | 逻辑峰值、确定性 arena 规划、峰值节点、workspace、碎片化和分配追踪 | | 量化 | QDQ/QOperator 覆盖率、int8 边界状态、dtype 分布和缺失的元数据 | | 变更控制 | 稳定的诊断 ID、显式抑制、快照和跨运行回归差异 | | 自动化 | 文本、JSON、Markdown、SARIF、GitHub 作业摘要和定义的退出码 | 签入的目标配置文件是**种子模板**，而不是经验证的硬件声明： | 配置文件 | 预期起点 | | --- | --- | | `targets/esp32s3.yaml` | 严格的 MCU 风格预算审查 | | `targets/tflm-micro.yaml` | 类似 TensorFlow Lite Micro 的审查 | | `targets/ort-mobile-cpu.yaml` | 类似 ONNX Runtime Mobile CPU 的审查 | 特定于项目的配置文件应存放在使用它们的仓库中，并记录其来源、置信度和最后验证日期。请参见 [目标配置文件](docs/TARGET_PROFILES.md)。 ## 托管证据 正常的 CI 门禁在 Linux、Windows 和 macOS 上运行 Rust 和 ONNX 适配器测试，外加复合 Action 冒烟测试以及必需的 10K 节点发布规划检查。 托管成熟度运行对确定性线性图分别进行了五次处理： | 节点数 | 进程时间中位数 | 最大峰值 RSS | 确定性报告 | | ---: | ---: | ---: | --- | | 1,000 | 7 ms | 6,275,072 B | 5/5 哈希值一致 | | 10,000 | 70 ms | 35,991,552 B | 5/5 哈希值一致 | | 100,000 | 854 ms | 336,494,592 B | 5/5 哈希值一致 | 同一次运行使用 EdgeFit、ONNX Runtime Mobile Checker 和 onnx-tool 执行了一个固定的十模型矩阵： | 工具 | 完成分析 | 显式拒绝 | | --- | ---: | ---: | | EdgeFit | 9/10 | 1/10 | | ORT Mobile Checker | 9/10 | 1/10 | | onnx-tool | 4/10 | 6/10 | EdgeFit 为 onnx-tool 拒绝的五个模型产生了目标预算决策。 这些工具涵盖了不同的任务：EdgeFit 评估目标契约，onnx-tool 分析计算和模型结构，而 ORT Mobile Checker 估计 execution provider 的可用性。 这些数据是托管的端到端进程观察结果，而不是设备推理延迟、吞吐量、功耗、固件或真实硬件内存测量值。请参见 [成功的成熟度运行](https://github.com/nya-a-cat/edgefit/actions/runs/29103544134) 和[基准测试方法](docs/COMPETITIVE_BENCHMARK.md)。 ## 命令接口 ``` edgefit check verify a model against a target edgefit target validate validate a target profile edgefit snapshot freeze a reviewable result edgefit diff block deployment regressions ``` 兼容性策略、机器输出 schema 和退出行为定义在 [CLI 契约](docs/CLI_CONTRACT.md)中。 ## 架构 - `crates/edgefit-*` — 轻依赖 Rust 核心，用于 IR、目标配置文件、分析、策略、报告、差异对比和 CLI 编排。 - `tools/onnx-normalize/` — 可替换的 Python 边界，用于官方 ONNX 检查和 shape 推断。 - `tools/competitive-benchmark/` — 固定语料库证据运行器，保留原始工具输出并将不同的指标区分开来。 - `action.yml` — 用于部署预算门禁的 Linux/bash 复合 Action。 Rust workspace 禁止使用 unsafe 代码，目前没有外部 crate 依赖。有关详细的实现边界，请参见[架构](docs/ARCHITECTURE.md)和 [MVP 范围](docs/MVP_SCOPE.md)。 ## 限制 - 签入的目标是种子配置文件，需要特定于项目的验证。 - 托管的计时测量的是完整的 CLI 进程，而不是设备推理。 - 通过 CI 并不能证明固件、runtime、功耗或真实设备内存的兼容性。 - 直接的 ONNX 标准化会拒绝嵌套子图、局部函数和稀疏 initializer，而不是对其进行部分分析。 ## 文档 - [CLI 契约](docs/CLI_CONTRACT.md) - [GitHub Action 用法](docs/GITHUB_ACTION_USAGE.md) - [目标配置文件](docs/TARGET_PROFILES.md) - [真实世界 ONNX 语料库](docs/REAL_WORLD_CORPUS.md) - [竞争性基准测试](docs/COMPETITIVE_BENCHMARK.md) - [ESP-DL / ESP32-S3 模拟部署](docs/SIMULATED_DEPLOYMENT.md) - [发布策略](docs/PUBLISHING.md) ## 许可证 MIT

标签：CNCF毕业项目, ONNX, Rust, SOC Prime, 人工智能, 可视化界面, 开发工具, 开源框架, 持续集成, 用户模式Hook绕过, 网络流量审计, 边缘计算, 逆向工具