https://mil-tokyo.github.io/webdnn/

The Fastest DNN Running Framework on Web Browser
https://mil-tokyo.github.io/webdnn/

accelerate deep-neural-networks javascript optimization webgpu

Last synced: 5 days ago
JSON representation

The Fastest DNN Running Framework on Web Browser

• Host: GitHub
• URL: https://mil-tokyo.github.io/webdnn/
• Owner: mil-tokyo
• License: other
• Created: 2017-04-06T08:11:46.000Z (about 7 years ago)
• Default Branch: master
• Last Pushed: 2023-03-14T15:59:08.000Z (over 1 year ago)
• Last Synced: 2024-05-19T12:40:30.813Z (about 1 month ago)
• Topics: accelerate, deep-neural-networks, javascript, optimization, webgpu
• Language: TypeScript
• Homepage: https://mil-tokyo.github.io/webdnn
• Size: 25.1 MB
• Stars: 1,972
• Watchers: 61
• Forks: 147
• Open Issues: 79
• Metadata Files:
  • Readme: README.ja.md
  • Contributing: CONTRIBUTING.md
  • License: LICENSE.txt

Lists

• awesome-deeplearning-resources - Fastest DNN Execution Framework on Web Browser
• awesome-browser-data-science-libraries - WebDNN
• awesome-javascript-data-science - WebDNN - Fastest DNN Execution Framework on Web Browser. (Deep Learning)

README

        
# WebDNN

[English](README.md)

WebDNN version 2のα版です。WebDNN 1.xとの大きな違いは、入力としてONNX形式のモデルのみを受け付ける点です。Pythonによる前処理なしで、ONNXモデルを直接Webブラウザで読み込むことが可能です。さらに、オフラインでのモデル最適化を行うことも可能です。

[Version 1.x](https://github.com/mil-tokyo/webdnn/tree/v1.2.11)

# 対応バックエンド(高速化技術)

モダンブラウザのほとんどで、WebGLが使用可能。

- WebGPU

  - Chrome Canary搭載版。

  - iOS13に搭載のWebGPUは廃止予定のWSL言語によるシェーダを必要とするため非対応。

- WebGL

  - WebGL2が使用可能な場合は使用する。WebGL1のみ対応のSafariにも対応。

- WebAssembly

# 開発環境セットアップ

node.js 14, python 3.6以降, emscripten 2.0以降が動作する環境が必要です。

```

yarn

python setup.py develop

```

# ビルド

```

yarn build:all

```

ビルド成果物

- `dist/webdnn.js`

  - 最適化されていないONNXモデルを読み込むことができるライブラリ

- `dist/webdnn-core.js`

  - WebDNNにより最適化されたモデルを読み込むことができるライブラリ

# 基本的な使い方

`dist/webdnn.js`を``タグでロードすることで、グローバルに`WebDNN`オブジェクトが追加される。ONNXモデル`model_directory/model.onnx`が存在すると仮定し、形状`[1, 2]`のテンソルを入力として実行する。

```javascript

const runner = await WebDNN.load("model_directory/");

const inputDataArray = new Float32Array([5.1, -2.3]);

const inputTensor = new WebDNN.CPUTensor([1, 2], "float32", inputDataArray);

const [outputTensor] = await runner.run([inputTensor]);

console.log(outputTensor.data);  // Float32Array

```

動作する最小限の完全なコードは`example/minimum`を参照。

# テスト

テスト対象のONNXモデルおよび、入出力テンソルの生成

```

python test/model_test/make_models.py

```

Webブラウザ上での実行

```

yarn server

```

Webブラウザで<http://localhost:8080/test/model_test/runner/standard.html>を開き、テストしたいバックエンドにチェックを入れ、Testボタンをクリックすることでテストが実行される。

モデルの最適化を含めたテストを行う場合は、

```

python test/model_test/make_models.py --optimize

```

<http://localhost:8080/test/model_test/runner/optimized.html>

を使用する。ただし、`make_models.py`の実行時間が長くかかる。