Microsoft og Facebook gjør det lettere for AI-modeller å hoppe fra ett AI-rammeverk til et annet

Microsoft kunngjorde i dag sitt samarbeid med Facebook for å kunngjøre Open Neural Network Exchange (ONNX) format. ONNX bringer interoperabilitet til AI-rammeøkosystemet. ONNX gir en definisjon av en utvidbar beregningsgrafmodell, samt definisjoner av innebygde operatører og standard datatyper.

Det er flere AI-rammeverk tilgjengelig på markedet, inkludert Microsofts egen Cognitive Toolkit. Inntil i dag var det ingen måte å bruke AI-modeller laget for ett rammeverk i et annet. ONNX løser dette problemet ved å bli åpen kildekode-format for AI-modeller. Microsofts Cognitive Toolkit, Caffe2 og PyTorch vil støtte ONNX.

ONNX tilbyr følgende fordeler:

• Interoperabilitet mellom rammeverk: Utviklere kan lettere flytte mellom rammeverk og bruke det beste verktøyet for oppgaven. Hvert rammeverk er optimalisert for spesifikke egenskaper som rask opplæring, støtte for fleksible nettverksarkitekturer, slutninger på mobile enheter, etc. Mange ganger er den karakteristikken som er viktigst under forskning og utvikling annerledes enn den som er viktigst for frakt til produksjon. Dette fører til ineffektivitet fra å ikke bruke riktig rammeverk eller betydelige forsinkelser ettersom utviklere konverterer modeller mellom rammeverk. Rammer som bruker ONNX-representasjonen forenkler dette og gjør det mulig for utviklere å være mer smidige.
• Delt optimalisering: Maskinvareleverandører og andre med optimaliseringer for å forbedre ytelsen til nevrale nettverk kan påvirke flere rammer samtidig ved å målrette mot ONNX-representasjonen. Ofte må optimaliseringer integreres separat i hvert rammeverk, noe som kan være en tidkrevende prosess. ONNX-representasjonen gjør det lettere for optimaliseringer å nå flere utviklere.

ONNX-koden og dokumentasjonen er nå tilgjengelig som åpen kildekode på GitHub, og du kan gi tilbakemelding for å videreutvikle dette prosjektet her.. Finn ut mer om denne kunngjøringen her..