ONNX support
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 20/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Necesita aclaración
- Estado de actividad
- Estancado
- Stack tecnológico
- python
- Área
- machine-learning
Línea de trabajo
No se nombran archivos, pruebas ni puntos de entrada. Empieza por examinar la estructura del proyecto y la compatibilidad existente con TensorFlow y Core ML; después, determina dónde debe integrarse ONNX y cómo se debe probar dicha compatibilidad; se considera terminado cuando el flujo de trabajo previsto para modelos ONNX está definido y funciona.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
Adding ONNX to the project would be great, as these models can run everywhere and are very performant and optimized
- Lenguaje dominante
- Python
- Estrellas
- 13
- Forks
- 3
- Métricas de merge de PR
- Sin PR fusionados en 30 d
Preparar el entorno
- Sin Dockerfile ni archivo de Docker Compose
- Sin plantilla de pull request
- Leer la guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Issues similares
-
Add category README filesAbiertodocumentation good first issue
Dificultad 2/5 1-3 horas Aptitud para principiantes 72/100
-
priority: low
Dificultad 2/5 1-3 horas Aptitud para principiantes 88/100
ll7/robot_sf_ll7#10128 ·
Los mantenedores suelen responder en 1 día
-
area: monitoring type: task
Dificultad 1/5 Menos de una hora Aptitud para principiantes 91/100
dkritarth/scopewatch#175 ·
Los mantenedores suelen responder en 1 día
-
Layers of type "3D Unknown" and "3D Measured Unknown" are refused, so FileGDB multipatch layers can't be readPosiblemente ocupada @aidannewsome la tomó hoy. Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
-
quantization
Dificultad 2/5 1-3 horas Aptitud para principiantes 78/100
vllm-project/vllm#59904 ·
Los mantenedores suelen responder en 1 día