Microsoft en Facebook maken het gemakkelijker voor AI-modellen om van het ene AI-framework naar het andere te springen
2 minuut. lezen
Uitgegeven op
deel dit artikel
Verbeter deze handleiding
Lees onze openbaarmakingspagina om erachter te komen hoe u MSPoweruser kunt helpen het redactieteam te ondersteunen Lees meer
Microsoft heeft vandaag hun samenwerking met Facebook aangekondigd om het Open Neural Network Exchange (ONNX)-formaat aan te kondigen. ONNX brengt interoperabiliteit naar het AI-framework-ecosysteem. ONNX biedt een definitie van een uitbreidbaar rekengrafiekmodel, evenals definities van ingebouwde operators en standaardgegevenstypen.
Er zijn verschillende AI-frameworks op de markt beschikbaar, waaronder Microsoft's eigen Cognitive Toolkit. Tot op heden was er geen manier om AI-modellen die voor het ene framework in een ander waren gemaakt, te gebruiken. ONNX lost dit probleem op door het open source-formaat voor AI-modellen te worden. Microsoft's Cognitive Toolkit, Caffe2 en PyTorch zullen ONNX ondersteunen.
ONNX biedt de volgende voordelen:
- Kaderinteroperabiliteit: Ontwikkelaars kunnen gemakkelijker tussen frameworks schakelen en de beste tool voor de taak gebruiken. Elk raamwerk is geoptimaliseerd voor specifieke kenmerken, zoals snelle training, ondersteuning van flexibele netwerkarchitecturen, inferentie op mobiele apparaten, enz. Vaak is het belangrijkste kenmerk tijdens onderzoek en ontwikkeling anders dan het kenmerk dat het belangrijkst is voor verzending naar productie. Dit leidt tot inefficiëntie door het niet gebruiken van het juiste framework of aanzienlijke vertragingen als ontwikkelaars modellen tussen frameworks converteren. Frameworks die de ONNX-representatie gebruiken, vereenvoudigen dit en stellen ontwikkelaars in staat om flexibeler te zijn.
- Gedeelde optimalisatie: Hardwareleveranciers en anderen met optimalisaties voor het verbeteren van de prestaties van neurale netwerken kunnen meerdere frameworks tegelijk beïnvloeden door zich te richten op de ONNX-representatie. Vaak moeten optimalisaties afzonderlijk in elk raamwerk worden geïntegreerd, wat een tijdrovend proces kan zijn. De ONNX-weergave maakt het voor optimalisaties gemakkelijker om meer ontwikkelaars te bereiken.
De ONNX-code en documentatie zijn nu beschikbaar als open source op GitHub en u kunt uw feedback geven om dit project verder te ontwikkelen hier. Meer informatie over deze aankondiging hier.
