Format Atlas

Guides

Vérifications avant de transmettre un modèle d'IA

Distinguez poids, graphes de calcul et environnements d'inférence. Joignez dépendances et résultats d'entrées représentatives ; réussir la conversion ne prouve ni compatibilité ni qualité.

Quel format choisir ?

Choisissez selon le rôle de chaque fichier dans votre flux de travail.

  • Consigner exigences et provenance
  • Réunir les fichiers nécessaires
  • Valider l'inférence à destination

Consigner exigences et provenance

Notez source, révision, conditions d'utilisation, architecture, types et formes d'entrée/sortie, prétraitement et post-traitement. Vérifiez IR/opset ONNX et types de tenseurs GGUF dans l'environnement cible.

Réunir les fichiers nécessaires

Préservez les références aux poids externes ONNX. Incluez fragments Safetensors, index, définitions et dépendances nécessaires. GGUF peut nécessiter des parties ou fichiers auxiliaires. Vérifiez si tokenizer et réglages sont intégrés ou séparés.

Valider l'inférence à destination

Avec un chargeur compatible à jour, vérifiez structure, noms, types et formes des tenseurs. À prétraitement et entrées identiques, comparez les sorties à la source et notez tolérances et mémoire. Évaluez conversion et quantification séparément.

Formats à envisager

ONNX

Adapté pour: Échanger des graphes avec des environnements compatibles

Moins adapté pour: Présumer tous les opérateurs et opsets pris en charge

Safetensors

Adapté pour: Enregistrer et distribuer des poids de tenseurs

Moins adapté pour: Présumer que les poids incluent définition et code exécutable

GGUF

Adapté pour: Transmettre des modèles aux implémentations GGML compatibles

Moins adapté pour: Déduire quantification ou compatibilité de l'extension

Avant l’export

  • Nom du format ou hachages identiques ne prouvent ni origine ni sécurité. N'exécutez pas sans précaution du code ou des sources de conversion non fiables ; vérifiez leur provenance.
  • Conservez modèle source, paramètres et inventaire. Une entrée concordante ne garantit pas la qualité pour toutes les entrées ou tous les appareils.

Comparaisons associées

Safetensors ou ONNX : poids ou graphes de modèleSafetensors stocke des tenseurs nommés. ONNX représente un modèle avec graphe de calcul, entrées, sorties et versions d’opérateurs.GGUF ou Safetensors : distribution pour l’inférence et poidsGGUF distribue des modèles d’inférence aux implémentations compatibles fondées sur GGML. Safetensors stocke des tenseurs nommés ; la définition du modèle et l’environnement sont fournis séparément.Keras ou ONNX : sauvegarde d’entraînement et export d’inférence.keras sauvegarde dans Keras la configuration, les poids et l’état de l’optimiseur s’il existe. ONNX représente des graphes de calcul pour des environnements d’exécution compatibles.

Guides

Vérifications avant de transmettre des tableaux scientifiquesTransmettez les tableaux netCDF, HDF5 ou Zarr avec leur sens, leurs dépendances et les exigences de lecture. Au-delà du format tabulaire, vérifiez dimensions et valeurs manquantes.

Références et spécifications