ONNX项目应对ONNX Runtime 1.20版本兼容性问题的技术方案
ONNX Runtime 1.20版本发布后,由于其对Python版本支持的调整,导致ONNX项目中的部分CI/CD流水线出现阻塞问题。本文将详细介绍这一兼容性问题的背景、影响范围以及ONNX项目团队采取的解决方案。
问题背景
ONNX Runtime作为ONNX模型的高性能推理引擎,在1.20版本中做出了一个重要变更:停止对Python 3.8和Python 3.9的支持。这一决策是为了与NumPy项目的Python版本支持策略保持一致。对于仍需要使用Python 3.8和3.9的用户,官方建议继续使用1.19.2及更早版本的ONNX Runtime。
影响分析
这一变更直接影响了ONNX项目的持续集成环境,特别是那些基于Python 3.8和3.9的测试流水线。由于ONNX项目需要确保与不同版本ONNX Runtime的兼容性,这种上游依赖的版本策略变更必须得到及时响应和处理。
解决方案
ONNX项目团队采取了以下技术措施来解决这一问题:
-
版本锁定策略:在CI/CD配置中明确指定使用ONNX Runtime 1.19.2版本,确保测试环境稳定。
-
Python版本支持调整:考虑逐步减少对Python 3.8的支持,特别是在ONNX 1.18版本中。这一决策基于对用户群体和使用场景的评估,以及对维护成本的考量。
-
持续集成环境优化:重新配置测试矩阵,确保不同Python版本与对应ONNX Runtime版本的兼容性组合得到充分测试。
技术建议
对于使用ONNX生态系统的开发者,我们建议:
-
如果项目仍在使用Python 3.8或3.9,应明确指定使用ONNX Runtime 1.19.2或更早版本。
-
考虑升级Python环境到3.10或更高版本,以获得更好的兼容性和性能支持。
-
在依赖管理文件中明确指定ONNX Runtime的版本范围,避免自动升级到不兼容的版本。
未来规划
ONNX项目将持续关注上游依赖的版本策略变化,并建立更完善的兼容性测试机制。同时,项目团队将评估对较旧Python版本的支持策略,在确保稳定性的前提下,逐步推进技术栈的现代化。
通过这次事件,ONNX项目也验证了其应对上游依赖变更的快速响应能力,为后续类似问题的处理积累了宝贵经验。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00