ONNX 牵手华为昇腾！开发者可在昇腾上跑原生模型：已支持 ONNX 算子 16 个，全量支持 ResNet 和 VGG-静雅生活网

导读：开发者们看过来，ONNX 牵手华为昇腾，现在可以直接在昇腾上跑原生 ONNX 模型啦！　　△最新 ONNX Runtime 的生态全景图　　ONNX Runtime 北向支

　　开发者们看过来，ONNX 牵手华为昇腾，现在可以直接在昇腾上跑原生 ONNX 模型啦！

ONNX 牵手华为昇腾！开发者可在昇腾上跑原生模型：已支持 ONNX 算子 16 个，全量支持 ResNet 和 VGG 模型

　　△最新 ONNX Runtime 的生态全景图

　　ONNX Runtime 北向支持多种开发语言，包括 Python，C，C++，C#，Java，js 等；南向支持多种运行后端（Execution Provider，包括但不局限于 CPU、CUDA、CoreML），使用 ONNX Runtime，用户可以基于多种语言快速无缝在多种后端上直接运行 ONNX 模型，且不再需要额外的开发适配工作。

　　昇腾 CANN 简介

　　ONNX Runtime项目支持华为昇腾硬件平台的关键，是连接 AI 框架和昇腾硬件的桥梁—异构计算架构 CANN。

　　CANN是专门面向 AI 场景的异构计算架构，同时作为昇腾 AI 基础软硬件平台的核心组成部分之一，搭起了从上层深度学习框架到底层 AI 硬件的桥梁，全面支持昇思 MindSpore、飞桨（PaddlePaddle）、PyTorch、TensorFlow、Caffe、计图（Jittor）等主流 AI 框架，提供 900 多种优选模型，能够覆盖众多典型场景应用，兼容多种底层硬件设备，提供强大异构计算能力。

ONNX 牵手华为昇腾！开发者可在昇腾上跑原生模型：已支持 ONNX 算子 16 个，全量支持 ResNet 和 VGG 模型

　　昇腾 CANN 与 ONNX 的长期合作

　　华为公司自 2018 年与微软亚洲研究院共同发起了首届 ONNX China Workshop 以来，积极参与 ONNX 社区建设，是历年 ONNX Workshop 中国地区会议的积极倡导者和组织者，在社区也曾发起 Edge WG、提出 Model Zoo CI 建议、参加 Steering Committee 选举等等。

　　昇腾 CANN 作为华为参与 ONNX 社区建设中重要的一环，也一直积极参与 ONNX 社区的模型适配工作。目前已支持140+个 onnx 模型推理，年底发布的 CANN6.0 版本将支持 200+ 个模型；支持 opset 8~13，主力支持 opset 11，算子支持率 85+%，CANN6.0 支持到 90+%。

ONNX 牵手华为昇腾！开发者可在昇腾上跑原生模型：已支持 ONNX 算子 16 个，全量支持 ResNet 和 VGG 模型

　　让昇腾使能 ONNX 社区版本开发

　　昇腾 CANN 团队希望能够将长期以来的主动适配工作，逐渐转化为社区原生开发的一部分，能够更高效的服务用户，让用户第一时间就拥有昇腾 AI 软硬件平台支持的 ONNX 版本。而实现社区原生的一大关键就在于社区流水线中实现对昇腾的支持，而 ONNX Runtime 的支持则是重中之重。

ONNX 牵手华为昇腾！开发者可在昇腾上跑原生模型：已支持 ONNX 算子 16 个，全量支持 ResNet 和 VGG 模型

　　使用最新的 ONNX Runtime，用户可以直接把原生 ONNX 模型跑在昇腾上。过程简单，易于使用。这也是在基于昇腾 CANN atc 工具的模型编译执行之外的又一条路径。

ONNX 牵手华为昇腾！开发者可在昇腾上跑原生模型：已支持 ONNX 算子 16 个，全量支持 ResNet 和 VGG 模型

　　△ONNX Runtime 支持后端

ONNX 牵手华为昇腾！开发者可在昇腾上跑原生模型：已支持 ONNX 算子 16 个，全量支持 ResNet 和 VGG 模型

　　△CANN Execution Provider 架构

　　昇腾作为国产芯片在海外开源社区的推入，其过程存在一定挑战。起初社区对于昇腾芯片以及 CANN 了解不足，昇腾开源团队通过与社区积极沟通、主动参与 ONNX meetup、详细讲解昇腾芯片的特点等方式，让社区详细了解了昇腾芯片以及 CANN 的能力，增强了对昇腾持续投入的信心，从而顺利合入代码。

ONNX 牵手华为昇腾！开发者可在昇腾上跑原生模型：已支持 ONNX 算子 16 个，全量支持 ResNet 和 VGG 模型

　　△ONNX Runtime CANN 后端已支持算子列表

　　目前，ONNX Runtime CANN 后端初步已支持 ONNX 算子 16 个，全量支持 ResNet 和 VGG 模型。用户可以在支持昇腾的环境中使用 ONNXRuntime 主干分支代码，配合 ONNX model zoo [ 3 ] 中的 ResNet 和 VGG 模型进行体验。如果用户想尝试其他的模型和算子，可以参考文档 [ 4 ] 自行编写代码，或者等待新版本发布，届时 CANN 后端会支持更多算子和模型。

　　未来，CANN 将在多个方面进行完善，包括：更多算子和模型的支持；算子融合、模型性能优化；支持算子自定义等。随着技术不断发展，大数据和机器学习的关系也越来越密切，在未来，也会进一步探索大数据 +AI 融合的场景，例如 Spark+ONNX+Ascend 这样的大数据 AI 全栈流程，探索生产可用、易用的大数据 AI 解决方案。

　　ONNX Runtime CANN 后端作为新功能难免有不足之处，欢迎大家在开源社区一起交流和完善。