ONNX Runtime: صيغة تبادل لتقديم النماذج في كلّ مكان
النماذج تُدرَّب في إطار وتُقدَّم في آخر: PyTorch إلى ONNX Runtime على المخدّم، Keras إلى TensorRT على البطاقة، ResNet18 إلى ONNX Runtime Web في المتصفّح. هذه الدورة تُلقّنك كيف يكون الجسر صلبًا.
مدّة الدورة: 4 ساعات
ما ستتعلّمه
- قراءة رسم ONNX وفهم إصدار العمليات والمحاور الديناميكيّة
- التصدير من PyTorch وTensorFlow مع تفادي المزالق الشائعة
- التحقّق من التكافؤ العدديّ بين النموذج الأصليّ والنموذج المُصدَّر
- تحسين الرسم والتكميم دون كسر الدقّة
- اختيار مزوّد التنفيذ الصحيح (CPU، CUDA، TensorRT) وقياس الأداء
- تشخيص العمليات غير المدعومة وإيجاد حلّ بديل
- تقديم نموذج ONNX خلف FastAPI بطريقة إنتاجيّة
المتطلّبات المسبقة
- PyTorch (الدورة 09) أو TensorFlow (الدورة 08)
- أساسيّات Python وسطر الأوامر
وحدات الدورة
- صيغة ONNX: الرسم والعمليات والإصدارات
- التصدير من PyTorch
- التصدير من TensorFlow
- التحقّق من التكافؤ العدديّ
- تحسين الرسم
- التكميم في ONNX
- مزوّدو التنفيذ: CPU وGPU وTensorRT
- القياس المقارن للأداء
- العمليات غير المدعومة والحلول البديلة
- تقديم نموذج ONNX للخدمة
الخيط الأحمر
نتابع نموذجَين طوال الدورة بالتوازي: ResNet18 من دورة PyTorch لتصنيف الصور، ومُرمِّز نصّ صغير من دورة معال جة اللغة الطبيعيّة لتصنيف الجمل. الأوّل نموذج رؤية «مُهيَّأ» يمرّ بسلاسة، والثاني يكشف لنا العمليات غير المدعومة والحلول البديلة في الوحدة التاسعة.
التقييم والشهادة
يُختَم المسار باختبار من 40 سؤالًا يغطّي وحدات الدورة كلّها، وتُمنَح عند النجاح شهادة إتمام قابلة للتحقّق برقمها على المنصّة.