Wonnx是一款GPU加速的ONNX推理运行时软件，100%用Rust编写，可用于网络。
✅ = 一流的支持-🆗 = 全力支持-🚧 = 不支持，但正在进行支持
确保Git LFS已初始化并下载了模型文件（在wonnx/examples/data/models中）。然后，你'；一切都准备好了！您可以运行一个示例：
货物运输——放行——信息/数据/模型/选择压缩。MNIST货物运行——释放——推断/数据/模型/选择压缩。onnx-i数据=/数据/图像/鹈鹕。jpeg——标签/数据/模型/挤压标签。txt——前三名
从wonnx导入PySession session=PySession。来自路径（"；./data/models/single#relu.onnx"；）输入={"；x"；：[-1.0,2.0]}断言会话。运行（输入）={"；y"；：[0.0,2.0]}
fn main（）->；HashMap<；字符串，Vec<；f32>>；{let mut input_data=HashMap:：new（）；let image=load_squezenet_image（）；//load image input_data.insert（"；data"；.to_string（），inputensor:：F32（image.as#slice（）.unwrap（））；let session=pollster:：block#on（wonnx:：session:：from#path（"；examples/data/models/opt squence/opt squence.onnx（））。预期（"；会话没有创建"；）；让result=pollster:：block_on（session.run（input_data））。展开（）；让结果=结果["；挤压0#u展平0#u重塑0"；]；让mut概率=结果。iter（）。枚举（）。收集：<；Vec<_>>；(); 概率。按（|a，b | b.1.部分_cmp（a.1））排序。展开（）；坚持！（概率[0].0,22）；]
WGPU_ADAPTER_名称，带有要使用的适配器名称的子字符串（例如，1080将匹配NVIDIA GeForce 1080ti）。
WGPU_BACKEND，带有逗号分隔的要使用的后端列表（vulkan、metal、dx12、dx11或gl）。
WGPU_POWER_首选项，当特定适配器名称为'时，可选择电源首选项；t规定（高或低）
即使没有在DL、WGSL或Rust方面的丰富经验，也非常欢迎您的贡献。我希望，这个项目可以成为一个沙箱，让我们所有人都能在这个项目最初的范围之外更多地了解这些技术。
设alpha=get_属性（"；alpha"；，Some（1.0），node）；//或者没有默认值，让alpha=get_属性：：<；f32>；（"；alpha"；，无，节点）；
可用类型在结构中。wgsl，但也可以在模板中生成新模板。
遵循绑定布局，每个条目从0开始递增1，输入第一，输出最后。如果绑定数量超过4。增加绑定组。您可以在sequencer中更改输入。rs
{{i_lens[0]}：输入0的长度。这也适用于输出：{o_lens[0]}和其他输入{i_lens[1]}
{{i_shape[0]}：输入0的维度数组。要获得数组的第一维，只需使用：{i_shape[0][0]}
{{i_chunks[0]}：输入0的每个维度的块的大小。默认情况下，每个变量都表示为一个长的值数组，要获得特定的值，必须按块移动。这些块在这个变量中表示。要获得第一维度块的大小，请使用：{i_chunks[0][0]}。
{{op_type}op type与某些类似op_类型的激活使用相同的模板。
使用utils函数对其进行测试，并将其放在tests文件夹中。测试可以如下所示：
#[test]fn test_matmul_square_matrix（）{//USER INPUT let n=16；let mut INPUT_data=HashMap:：new（）；let data_a=ndarray:：Array2:：eye（n）；let mut data_b=ndarray:：Array2:<；f32>；：零（（n，n））；data_b[[0，0]=0.2；data_b[[0，1]=0（"；A"；.to_string（），data_A.as_slice（）。展开（）；输入数据。插入（"；B"；.to_string（），data_B.as_slice（）。展开（）；设n=n为i64；设model=model（图（vec！[tensor（"；A"；，&；[n，n]）），tensor（"；B"；，&；[n，n]），vec！[tensor（"；C"；，&；[n，n]）]，向量！[]，维克！[]，维克！[节点（vec！["；A"；，"；B"；]，维克！[C"；C"；]"马特穆尔""马特穆尔"；，维克！[])], )); 让session=pollster:：block_on（wonnx:：session:：from_model（model））。expect（"；会话没有创建"；）；让result=pollster:：block_on（session.run（input_data））。展开（）；坚持！（结果["；C"；]）。作为_slice（），求和。如_slice（）。展开（）；}
如果在任何时候你想对几个节点进行优化，你可以在sequencer中进行。卢比。