Accueil Projets ort
ort
Rust

ort

Inférence et entraînement ML rapides pour les modèles ONNX en Rust

par pykeio · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
Catégorie
Langue
aiai-trainingfine-tuningApache-2.0Rust
Voir sur GitHub
En termes simples

Exécutez des modèles d'apprentissage automatique rapidement sur divers appareils en utilisant un outil Rust conçu pour les modèles ONNX.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
ort — GitHub preview card
📈 Historique des étoiles
2.41k2.38k
2026-07-072026-08-31
📈 Suivez ort

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Inférence et entraînement ML rapides pour les modèles ONNX en Rust

ort compte 2.4k étoiles sur GitHub. Il a été forké 255 fois. ort est écrit principalement en Rust. Il est développé activement depuis 2022. ort est disponible sous licence Apache-2.0. Ses principaux thèmes sont : ai, ai-training, fine-tuning, inference.

Frequently asked questions

Qu'est-ce que ort ?

Inférence et entraînement ML rapides pour les modèles ONNX en Rust

ort est-il open source ?

ort est un projet open source. Il est distribué sous licence Apache-2.0.

ort est-il gratuit ?

Oui. ort est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est ort ?

ort est disponible sous licence Apache-2.0.

Dans quel langage ort est-il écrit ?

ort est écrit principalement en Rust.

🏅 Mainteneur de ce projet ?
olud.ai badge — ort

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=pykeio-ort)](https://olud.ai/project/pykeio-ort.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.