ONNX zielt darauf ab, eine gemeinsame Sprache bereitzustellen, die jeder Rahmen für maschinelles Lernen verwenden kann, um seine Modelle zu beschreiben. Das erste Szenario besteht darin, den Einsatz eines maschinellen Lernmodells in der Produktion zu erleichtern. Ein ONNX-Interpreter (oder eine Laufzeit) kann speziell für diese Aufgabe in der Umgebung, in der er eingesetzt wird, implementiert und optimiert werden. Mit ONNX ist es möglich, einen einzigartigen Prozess für den Einsatz eines Modells in der Produktion zu entwickeln, der unabhängig von dem Lernframework ist, das zur Erstellung des Modells verwendet wurde. onnx implementiert eine Python-Laufzeit, die zur Auswertung von ONNX-Modellen und zur Auswertung von ONNX-OPs verwendet werden kann. Dies soll die Semantik von ONNX verdeutlichen und helfen, ONNX-Tools und -Konverter zu verstehen und zu debuggen. Es ist nicht für den Einsatz in der Produktion gedacht und Leistung ist nicht das Ziel.

Quelle: ONNX 1.17.0 Documentation