A Microsoft és a Facebook megkönnyíti az AI-modellek számára az egyik AI-keretrendszerről a másikra való ugrást
2 perc olvas
Publikálva
Ossza meg ezt a cikket
Javítsa ezt az útmutatót
Olvassa el közzétételi oldalunkat, hogy megtudja, hogyan segítheti az MSPowerusert a szerkesztői csapat fenntartásában Tovább
A Microsoft ma bejelentette együttműködését a Facebookkal az Open Neural Network Exchange (ONNX) formátum bejelentése érdekében. Az ONNX interoperabilitást biztosít a mesterséges intelligencia keretrendszerében. Az ONNX megadja a bővíthető számítási gráfmodell definícióját, valamint a beépített operátorok és szabványos adattípusok definícióit.
Számos mesterséges intelligencia keretrendszer elérhető a piacon, köztük a Microsoft saját kognitív eszközkészlete. Egészen a mai napig nem volt mód arra, hogy az egyik keretrendszerhez készített AI-modelleket egy másikban használjuk. Az ONNX megoldja ezt a problémát azáltal, hogy az AI modellek nyílt forráskódú formátumává válik. A Microsoft Cognitive Toolkit, a Caffe2 és a PyTorch támogatja az ONNX-et.
Az ONNX a következő előnyöket kínálja:
- A keretrendszer átjárhatósága: A fejlesztők könnyebben mozoghatnak a keretrendszerek között, és az adott feladathoz a legjobb eszközt használhatják. Mindegyik keretrendszer olyan speciális jellemzőkre van optimalizálva, mint a gyors betanítás, a rugalmas hálózati architektúrák támogatása, a mobileszközökön történő következtetések levonása, stb. Sokszor a kutatás-fejlesztés során legfontosabb jellemző más, mint a gyártásba való szállítás szempontjából. Ez a nem megfelelő keretrendszer használatából eredő hatástalanságokhoz vagy jelentős késésekhez vezet, amikor a fejlesztők a modelleket keretrendszerek között konvertálják. Az ONNX megjelenítést használó keretrendszerek ezt leegyszerűsítik, és lehetővé teszik a fejlesztők számára, hogy agilisabbak legyenek.
- Megosztott optimalizálás: Hardvergyártók és mások, akik optimalizálták a neurális hálózatok teljesítményének javítását, egyszerre több keretrendszerre is hatással lehetnek az ONNX reprezentáció megcélzásával. Az optimalizálást gyakran minden keretrendszerbe külön kell integrálni, ami időigényes folyamat lehet. Az ONNX ábrázolás megkönnyíti, hogy az optimalizálás több fejlesztőt érjen el.
Az ONNX kód és a dokumentáció már elérhető nyílt forráskódként a GitHubon, és visszajelzést küldhet a projekt továbbfejlesztéséhez itt. Tudjon meg többet erről a bejelentésről itt.
