Download de TONNXRuntime - TONNXRuntime Código Fonte Download

TONNXRuntime

Código fonte Delphi

1.0.0

Baixar

Microsoft OnnxRuntime AI e Machine Learning Library para FreePasCal / Delphi

Introdução

Esta é uma implementação da Open Neural Network Exchange (OnNxRuntime) da Microsoft para FreePasCal? e Delphi ⚔️

As bibliotecas OnNxRuntime são enviadas com a maioria dos lançamentos modernos do Windows após o Windows 8 , a partir do momento em que isso está escrito, a versão 1.13.1 é a versão mais recente, pode ser instalada no MacOS e na maioria dos lançamentos do Linux , para desenvolvimento e atualizações, visite o OnNxRuntime Github Page.

Como instalar bibliotecas

Windows

onnxruntime.dll já está enviado com janelas, você pode encontrá -lo em %WINDIR%SysWOW64onnxruntime.dll ou %WINDIR%System32onnxruntime.dll

MacOS e Linux

Verifique https://github.com/microsoft/onnxruntime/releases

Uso

Do seu projeto Lázaro ou Delphi no cabeçalho da unidade Pascal inclui os arquivos

 unit formUnit; 
{ $h+ }

interface
uses onnxruntime_pas_api, onnxruntime, Classes etc... ;

Carregue um modelo

 var 
  session : TORTSession;
begin
  session := TORTSession.Create( ' ./mymodel/filname.onnx ' ); 
{ 
*****************************************************************
    Check your model requirements for input/output 
    names and value dimensions before preparing the inputs.
    to explore the model before preparing use :
      session.GetInputCount and session.GetOutputCount
      session.GetInputName and session.GetOutputName
      session.GetInputTypeInfo and session.GetOutputTypeInfo
 ****************************************************************
}

Prepare um tensor de entrada com a forma desejada usando `TORTTensor<type>` e suas entradas usando `TORTNameValueList`

 var 
  x,y:integer;
  imageData : array of array of single;
  inTensor : TORTTensor<single> ; 
  inputs : TORTNameValueList  ;
begin
  // assuming the model input name is 'image' and the tensor shape is [width, height]
  inTensor := TORTTensor<single>.Create([width, height { , depth ,etc... } ]);
  for y:= 0 to inTensor.shape[ 1 ]- 1 do
      for x:= 0 to inTensor.shape[ 0 ]- 1 do
          inTensor.index2[x, y]:= imageData[x, y];  // your float values
  inputs[ ' image ' ] := inTensor;

Inferência

  var
    myDetection : array of single;
    i:integer;
    outputs : TORTNameValueList;
    outTensor : TORTTensor<single>
  begin 
      outputs   := session.run(inputs);
      outTensor := outputs[ ' result ' ]
     
      for i:= 0 to outTensor.shape[ 0 ] do
        myDetection[i] := outTensor.index1[i]