Η Microsoft και το Facebook διευκολύνουν τα μοντέλα τεχνητής νοημοσύνης να μεταπηδούν από το ένα πλαίσιο τεχνητής νοημοσύνης στο άλλο

Εικονίδιο ώρας ανάγνωσης 2 λεπτό. ανάγνωση


Οι αναγνώστες βοηθούν στην υποστήριξη του MSpoweruser. Ενδέχεται να λάβουμε προμήθεια εάν αγοράσετε μέσω των συνδέσμων μας. Εικονίδιο επεξήγησης εργαλείου

Διαβάστε τη σελίδα αποκάλυψης για να μάθετε πώς μπορείτε να βοηθήσετε το MSPoweruser να διατηρήσει τη συντακτική ομάδα Διάβασε περισσότερα

Microsoft Azure AI

Η Microsoft ανακοίνωσε σήμερα τη συνεργασία της με το Facebook για να ανακοινώσει τη μορφή Open Neural Network Exchange (ONNX). Το ONNX φέρνει τη διαλειτουργικότητα στο οικοσύστημα πλαισίου AI. Το ONNX παρέχει έναν ορισμό ενός μοντέλου επεκτάσιμου γραφήματος υπολογισμού, καθώς και ορισμούς ενσωματωμένων τελεστών και τυπικών τύπων δεδομένων.

Υπάρχουν πολλά πλαίσια AI διαθέσιμα στην αγορά, συμπεριλαμβανομένου του Cognitive Toolkit της Microsoft. Μέχρι σήμερα, δεν υπήρχε τρόπος να χρησιμοποιηθούν μοντέλα AI που δημιουργήθηκαν για ένα πλαίσιο σε ένα άλλο. Το ONNX λύνει αυτό το πρόβλημα καθιστώντας τη μορφή ανοιχτού κώδικα για μοντέλα AI. Το Cognitive Toolkit της Microsoft, το Caffe2 και το PyTorch θα υποστηρίζουν το ONNX.

Το ONNX προσφέρει τα ακόλουθα οφέλη:

  • Διαλειτουργικότητα πλαισίου: Οι προγραμματιστές μπορούν να μετακινούνται πιο εύκολα μεταξύ των πλαισίων και να χρησιμοποιούν το καλύτερο εργαλείο για την εργασία τους. Κάθε πλαίσιο είναι βελτιστοποιημένο για συγκεκριμένα χαρακτηριστικά, όπως γρήγορη εκπαίδευση, υποστήριξη ευέλικτων αρχιτεκτονικών δικτύου, εξαγωγή συμπερασμάτων σε κινητές συσκευές κ.λπ. Πολλές φορές, το πιο σημαντικό χαρακτηριστικό κατά την έρευνα και ανάπτυξη είναι διαφορετικό από αυτό που είναι πιο σημαντικό για την αποστολή στην παραγωγή. Αυτό οδηγεί σε αναποτελεσματικότητα από τη μη χρήση του σωστού πλαισίου ή σε σημαντικές καθυστερήσεις καθώς οι προγραμματιστές μετατρέπουν μοντέλα μεταξύ πλαισίων. Τα πλαίσια που χρησιμοποιούν την αναπαράσταση ONNX το απλοποιούν και επιτρέπουν στους προγραμματιστές να είναι πιο ευέλικτοι.
  • Κοινή βελτιστοποίηση: Οι προμηθευτές υλικού και άλλοι με βελτιστοποιήσεις για τη βελτίωση της απόδοσης των νευρωνικών δικτύων μπορούν να επηρεάσουν πολλαπλά πλαίσια ταυτόχρονα στοχεύοντας την αναπαράσταση ONNX. Συχνά οι βελτιστοποιήσεις πρέπει να ενσωματώνονται χωριστά σε κάθε πλαίσιο, κάτι που μπορεί να είναι μια χρονοβόρα διαδικασία. Η αναπαράσταση ONNX διευκολύνει τις βελτιστοποιήσεις να προσεγγίσουν περισσότερους προγραμματιστές.

Ο κώδικας και η τεκμηρίωση ONNX είναι τώρα διαθέσιμα ως ανοιχτού κώδικα στο GitHub και μπορείτε να δώσετε τα σχόλιά σας για την περαιτέρω ανάπτυξη αυτού του έργου εδώ. Μάθετε περισσότερα για αυτήν την ανακοίνωση εδώ.

Περισσότερα για τα θέματα: Πλαίσιο AI, Γνωσιακή εργαλειοθήκη, Facebook, microsoft, ONNX, Ανοίξτε το Neural Network Exchange

Αφήστε μια απάντηση

Η διεύθυνση email σας δεν θα δημοσιευθεί. Τα υποχρεωτικά πεδία σημειώνονται *