Microsoft e Facebook semplificano il passaggio dei modelli di intelligenza artificiale da un framework di intelligenza artificiale all'altro
2 minuto. leggere
Edizione del
Condividi questo articolo
Migliora questa guida
Leggi la nostra pagina informativa per scoprire come puoi aiutare MSPoweruser a sostenere il team editoriale Per saperne di più
Microsoft ha annunciato oggi la sua collaborazione con Facebook per annunciare il formato ONNX (Open Neural Network Exchange). ONNX porta l'interoperabilità all'ecosistema del framework AI. ONNX fornisce una definizione di un modello grafico di calcolo estensibile, nonché definizioni di operatori integrati e tipi di dati standard.
Sul mercato sono disponibili diversi framework di intelligenza artificiale, incluso il Cognitive Toolkit di Microsoft. Fino ad oggi, non c'era modo di utilizzare i modelli di IA creati per un framework in un altro. ONNX risolve questo problema diventando il formato open source per i modelli di intelligenza artificiale. Cognitive Toolkit, Caffe2 e PyTorch di Microsoft supporteranno ONNX.
ONNX offre i seguenti vantaggi:
- Interoperabilità del quadro: Gli sviluppatori possono spostarsi più facilmente tra i framework e utilizzare lo strumento migliore per l'attività in questione. Ogni framework è ottimizzato per caratteristiche specifiche come formazione rapida, supporto di architetture di rete flessibili, inferenza su dispositivi mobili, ecc. Molte volte, la caratteristica più importante durante la ricerca e lo sviluppo è diversa da quella più importante per la spedizione alla produzione. Ciò comporta inefficienze dovute al mancato utilizzo del framework giusto o ritardi significativi quando gli sviluppatori convertono i modelli tra framework. I framework che utilizzano la rappresentazione ONNX semplificano questo e consentono agli sviluppatori di essere più agili.
- Ottimizzazione condivisa: I fornitori di hardware e altri con ottimizzazioni per migliorare le prestazioni delle reti neurali possono influire su più framework contemporaneamente prendendo di mira la rappresentazione ONNX. Spesso le ottimizzazioni devono essere integrate separatamente in ciascun framework, il che può richiedere molto tempo. La rappresentazione ONNX consente alle ottimizzazioni di raggiungere più sviluppatori più facilmente.
Il codice e la documentazione ONNX sono ora disponibili come open source su GitHub e puoi fornire il tuo feedback per sviluppare ulteriormente questo progetto qui. Ulteriori informazioni su questo annuncio qui.
