ONNX（Open Neural Network Exchange ）开放式神经网络交换是一种开放标准，可以将人工智能模型跨平台集成到不同应用中。使用 ONNX ，可以将在 PyTorch 或 TensorFlow 等不同开发环境中创建的人工智能模型转换为通用格式。因此，可以通过ONNX将这些模型用于诸如uniVision 3 等图像处理平台。

uniVision 3与ONNX

威格勒机器视觉uniVision 3软件可为ONNX模型的高效运行提供最佳条件。

B60系列Smart Camera配有集成的神经处理单元 (NPU) ，该单元在加快人工智能计算方面进行了专门优化。这样可以快速可靠地执行复杂的任务，如图像分类。

MVC系列机器视觉控制器利用OpenVINO硬件加速平台高效地运行ONNX模型，同时最大程度地减少资源消耗。

如何使用ONNX

ONNX可与uniVision 3进行无缝集成，最大程度提高生产效率。使用ONNX在uniVision 3中处理你的图像按照以下三个步骤进行：创建ONNX格式模型 -将ONNX模型转化为uniVision 3兼容的文件格式-借助Image-ONNX模块将文件集成至uniVision 3平台。

· 创建ONNX模型

使用PyTorch或TensorFlow等首选人工智能工具，根据您自己的图像数据训练人工智能模型，并将其导出为ONNX格式。这时，您可以保持对训练数据的完全控制，以便能够根据特定要求和数据保护进行自定义。

· 转换

将训练的ONNX模型转换为与uniVision 3兼容的文件格式。这是根据 GitHub 进行的。GitHub提供量化和硬件优化所需的所有工具，以便能在wenglor硬件上高效地运行模型。在此过程中，可为ONNX模型增添元数据，这些元数据是在uniVision 3中顺畅使用所必需的。

· 集成至uniVision 3

借助“Image – ONNX”模块将ONNX模型加载到uniVision 3软件中。因此，它可以无缝集成到基于规则的图像处理工作流程中，并与其他模块灵活地组合。