Inicio Proyectos ort
ort

ort

por pykeio · GitHub

Inferencia y entrenamiento de ML rápidos para modelos ONNX en Rust

Ver en GitHub
En palabras simples

Ejecuta modelos de aprendizaje automático rápidamente en varios dispositivos utilizando una herramienta de Rust diseñada para modelos ONNX.

⭐ Estrellas
🍴 Ramas
🔥 Tendencias
📜 Licencia
Uso comercial permitido
📅 Creado
🔄 Último commit
🏷️ Categoría
💻 Lenguaje
¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
ort — GitHub preview card
📈 Historial de estrellas
2.42k2.38k
2026-07-072026-07-29
📈 Sigue ort

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Inferencia y entrenamiento de ML rápidos para modelos ONNX en Rust

ort tiene 2.4k estrellas en GitHub. Se ha bifurcado 257 veces. ort está escrito principalmente en Rust. Se desarrolla activamente desde 2022. ort está disponible bajo la licencia Apache-2.0. Sus temas principales son: ai, ai-training, fine-tuning, inference.

Frequently asked questions

¿Qué es ort?

Inferencia y entrenamiento de ML rápidos para modelos ONNX en Rust

¿ort es de código abierto?

ort es un proyecto de código abierto. Se distribuye bajo la licencia Apache-2.0.

¿ort es gratis?

Sí. ort es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿Bajo qué licencia está ort?

ort está disponible bajo la licencia Apache-2.0.

¿En qué lenguaje está escrito ort?

ort está escrito principalmente en Rust.

🏅 ¿Mantenedor de este proyecto?
OpenSourceAI badge — ort

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![OpenSourceAI](https://opensourceai.tech/badge.php?tool=pykeio-ort)](https://opensourceai.tech/project/pykeio-ort.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.