onnxruntime 패키지

ONNX 런타임(미리 보기)을 사용하면 리소스 사용량을 낮게 유지하면서 학습된 ML(기계 학습) 모델을 고성능으로 평가할 수 있습니다. _ 커뮤니티에 대한 Microsoft의 헌신을 Open Neural Network Exchange (ONNX) <https://onnx.ai/>바탕으로 기존 ML 모델과 _의 딥 러닝 알고리즘을 ONNX-ML format <https://github.com/onnx/onnx/blob/master/docs/IR.md>지원합니다.

패키지

backend	ONNX 런타임(미리 보기)을 사용하면 리소스 사용량을 낮게 유지하면서 학습된 ML(기계 학습) 모델을 고성능으로 평가할 수 있습니다. _ 커뮤니티에 대한 Microsoft의 헌신을 Open Neural Network Exchange (ONNX) <https://onnx.ai/>바탕으로 기존 ML 모델과 _의 딥 러닝 알고리즘을 ONNX-ML format <https://github.com/onnx/onnx/blob/master/docs/IR.md>지원합니다.
capi	ONNX 런타임(미리 보기)을 사용하면 리소스 사용량을 낮게 유지하면서 학습된 ML(기계 학습) 모델을 고성능으로 평가할 수 있습니다. _ 커뮤니티에 대한 Microsoft의 헌신을 Open Neural Network Exchange (ONNX) <https://onnx.ai/>바탕으로 기존 ML 모델과 _의 딥 러닝 알고리즘을 ONNX-ML format <https://github.com/onnx/onnx/blob/master/docs/IR.md>지원합니다.
datasets	설명서에 사용된 간단한 예제입니다.
tools	ONNX 런타임(미리 보기)을 사용하면 리소스 사용량을 낮게 유지하면서 학습된 ML(기계 학습) 모델을 고성능으로 평가할 수 있습니다. _ 커뮤니티에 대한 Microsoft의 헌신을 Open Neural Network Exchange (ONNX) <https://onnx.ai/>바탕으로 기존 ML 모델과 _의 딥 러닝 알고리즘을 ONNX-ML format <https://github.com/onnx/onnx/blob/master/docs/IR.md>지원합니다.