burn-onnx

把 ONNX 模型转成纯 Rust Burn 代码,推理微调不再依赖 Python

burn-onnx 是一个把 ONNX 模型转换为 Burn 框架原生 Rust 代码的工具,目标是让训练好的模型脱离 Python 与 ONNX Runtime 依赖,直接在 Rust 生态里做推理和微调。它解决了部署阶段常见的跨语言、跨运行时问题:ONNX 模型虽然通用,但实际跑起来往往要拖着一套 C++/Python 运行时,而 Burn 是纯 Rust 的深度学习框架,支持多种后端(CPU、GPU 等)。burn-onnx 通过解析 ONNX 计算图,生成对应的 Burn 代码,使模型可以编译进 Rust 程序,享受静态类型、跨平台编译和统一后端切换。核心能力包括 ONNX 算子到 Burn 算子的映射、生成可读的 Rust 推理代码、保留权重加载路径,并支持在此基础上继续微调。项目处于早期阶段,星标数不高,适合关注 Rust 端模型部署与 Burn 生态的开发者尝试。

开源 free 模型训练
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 131
维护状态 活跃
是否开源
定价模式 free

项目数据

分类模型训练
开发团队tracel-ai
所属国家
官网地址
定价模式free
价格说明开源免费,无在线服务
访问状态
是否开源
开源协议Apache-2.0
主要语言Rust
技术栈/模型
GitHub 星标★ 131
30天Star增速
HF 下载量
上线时间2026-01-26 00:00:00
最近更新2026-09-18 00:00:00
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-16
浏览次数0

使用教程

核心亮点

  • 生成的是原生 Rust 代码,可编译进二进制,部署时无需 Python 或 ONNX Runtime
  • 后端无关,同一份生成代码可切换 Burn 的 CPU/GPU 等后端
  • 保留权重加载与微调能力,不只是推理导出

不足之处

  • 项目早期,ONNX 算子覆盖可能不完整,复杂模型转换易失败
  • 文档与社区案例较少,遇到问题可参考的资料有限

适用场景

  • 把 PyTorch 训练好的模型导出 ONNX 后,转成 Rust 服务端推理代码
  • 在 Rust 项目中嵌入模型并做少量微调,避免引入 Python 依赖
  • 需要跨平台编译部署(如边缘设备)时,用 Burn 统一后端运行模型

替代项目

tract、onnxruntime

项目介绍

burn-onnx 是一个模型训练领域的开源项目,官方简介:Convert ONNX models into native, backend-agnostic Burn code for inference and fine-tuning.。项目使用 Rust 开发,在 GitHub 上获得 127 星标。

上一篇:gemma-tuner-multimodal

下一篇:LightRFT

同类项目推荐

Long-RL 开源

让强化学习轻松驾驭超长序列,训练更稳更快

Long-RL: Scaling RL to Long Sequences (NeurIPS 2025)

★ 729 2026-08-09
TPA 开源

把注意力复杂度从平方降到线性,长序列不再卡顿

[NeurIPS 2025 Spotlight] TPA: Tensor ProducT ATTenTion Transformer (https://arxiv.or···

★ 463 2026-08-09
minimind 开源

两小时造出你的小模型,练手入门不求人

Train a 64M-parameter LLM from scratch in just 2h!

★ 61694 2026-08-09
pruna 开源

一键优化 AI 模型,推理提速又省资源。

Pruna is a model optimization framework built for developers, enabling you to delive···

★ 1279 2026-08-13