Microsoft und Facebook erleichtern es KI-Modellen, von einem KI-Framework zum anderen zu wechseln
2 Minute. lesen
Veröffentlicht am
Teile diesen Artikel
Verbessern Sie diesen Leitfaden
Lesen Sie unsere Offenlegungsseite, um herauszufinden, wie Sie MSPoweruser dabei helfen können, das Redaktionsteam zu unterstützen Lesen Sie weiter
Microsoft gab heute seine Zusammenarbeit mit Facebook bekannt, um das Format Open Neural Network Exchange (ONNX) anzukündigen. ONNX bringt Interoperabilität in das KI-Framework-Ökosystem. ONNX bietet eine Definition eines erweiterbaren Berechnungsdiagrammmodells sowie Definitionen von integrierten Operatoren und Standarddatentypen.
Auf dem Markt sind mehrere KI-Frameworks erhältlich, darunter Microsofts eigenes Cognitive Toolkit. Bis heute gab es keine Möglichkeit, KI-Modelle, die für ein Framework erstellt wurden, in einem anderen zu verwenden. ONNX löst dieses Problem, indem es zum Open-Source-Format für KI-Modelle wird. Microsofts Cognitive Toolkit, Caffe2 und PyTorch werden ONNX unterstützen.
ONNX bietet die folgenden Vorteile:
- Framework-Interoperabilität: Entwickler können einfacher zwischen Frameworks wechseln und das beste Tool für die jeweilige Aufgabe verwenden. Jedes Framework ist für bestimmte Eigenschaften wie schnelles Training, Unterstützung flexibler Netzwerkarchitekturen, Inferenz auf mobilen Geräten usw. optimiert. Oftmals ist die wichtigste Eigenschaft während der Forschung und Entwicklung anders als die wichtigste für die Auslieferung an die Produktion. Dies führt zu Ineffizienzen, da nicht das richtige Framework verwendet wird, oder zu erheblichen Verzögerungen, wenn Entwickler Modelle zwischen Frameworks konvertieren. Frameworks, die die ONNX-Darstellung verwenden, vereinfachen dies und ermöglichen Entwicklern, agiler zu sein.
- Gemeinsame Optimierung: Hardwareanbieter und andere mit Optimierungen zur Verbesserung der Leistung neuronaler Netze können mehrere Frameworks gleichzeitig beeinflussen, indem sie auf die ONNX-Darstellung abzielen. Häufig müssen Optimierungen separat in jedes Framework integriert werden, was ein zeitaufwändiger Prozess sein kann. Die ONNX-Darstellung erleichtert es Optimierungen, mehr Entwickler zu erreichen.
Der ONNX-Code und die Dokumentation sind jetzt als Open Source auf GitHub verfügbar und Sie können Ihr Feedback zur Weiterentwicklung dieses Projekts geben hier. Erfahren Sie mehr über diese Ankündigung hier.
