Microsoft y Facebook facilitan que los modelos de IA salten de un marco de IA a otro
2 minuto. leer
Publicado el
Compartir este artículo
Mejorar esta guía
Lea nuestra página de divulgación para descubrir cómo puede ayudar a MSPoweruser a sostener el equipo editorial. Leer más
Microsoft anunció hoy su colaboración con Facebook para anunciar el formato Open Neural Network Exchange (ONNX). ONNX aporta interoperabilidad al ecosistema del marco de IA. ONNX proporciona una definición de un modelo gráfico de cálculo extensible, así como definiciones de operadores integrados y tipos de datos estándar.
Hay varios marcos de IA disponibles en el mercado, incluido el propio kit de herramientas cognitivas de Microsoft. Hasta hoy, no había forma de usar modelos de IA creados para un marco en otro. ONNX resuelve este problema al convertirse en el formato de código abierto para los modelos de IA. El kit de herramientas cognitivas de Microsoft, Caffe2 y PyTorch serán compatibles con ONNX.
ONNX ofrece los siguientes beneficios:
- Interoperabilidad del marco: Los desarrolladores pueden moverse más fácilmente entre marcos y usar la mejor herramienta para la tarea en cuestión. Cada marco está optimizado para características específicas, como capacitación rápida, compatibilidad con arquitecturas de red flexibles, inferencia en dispositivos móviles, etc. Muchas veces, la característica más importante durante la investigación y el desarrollo es diferente a la más importante para el envío a producción. Esto conduce a ineficiencias por no usar el marco correcto o retrasos significativos a medida que los desarrolladores convierten modelos entre marcos. Los marcos que usan la representación ONNX simplifican esto y permiten que los desarrolladores sean más ágiles.
- Optimización compartida: Los proveedores de hardware y otros con optimizaciones para mejorar el rendimiento de las redes neuronales pueden impactar múltiples marcos a la vez al apuntar a la representación ONNX. Con frecuencia, las optimizaciones deben integrarse por separado en cada marco, lo que puede ser un proceso lento. La representación ONNX facilita que las optimizaciones lleguen a más desarrolladores.
El código y la documentación de ONNX están disponibles ahora como código abierto en GitHub y puede proporcionar sus comentarios para seguir desarrollando este proyecto. esta página. Más información sobre este anuncio esta página.
