TechRoomage

開源 | 微軟、Facebook聯手打造AI生態系統ONNX

0 1

原標題:開源 | 微軟、Facebook聯手打造AI生態系統ONNX

編者按:今日,微軟和Facebook宣布將推出Open Neural Network Exchange(ONNX,開放神經網路交換)格式,這是一個用於表示深度學習模型的標準,可使模型在不同框架之間進行遷移。

ONNX是邁向開放生態系統的第一步,AI開發人員可以輕鬆地在最先進的工具之間轉換,並選擇最適合他們的組合。ONNX的應用能夠彌合實驗和生產過程中框架特徵不一致產生的差異,讓AI開發人員可以選擇符合項目當前階段的框架並實現自主切換。本文轉載自公眾號「新智元」,點擊閱讀原文可查看英文。

微軟一直以來堅持一個信念:將AI傳遞給更多的人,讓每個人都能夠親身感受到技術進步帶來的便利。因此,我們為大家提供很多行之有效的平台和工具,包括微軟認知工具包,構建深層神經網路的開源框架,以促進AI的普及進程。我們還積極與其他組織展開合作,共同探討行業問題、尋求解決方案。

今天,我們高興地宣布,微軟和Facebook一起推出Open Neural Network Exchange (ONNX,開放神經網路交換) 格式。 ONNX為AI框架生態系統中的互操作性和創新提供了共享的模型表徵。Cognitive Toolkit、Caffe2和PyTorch都將支持ONNX。微軟和Facebook共同開發了ONNX這一開源項目,並希望社區能夠幫助其不斷進化。

什麼是ONNX表徵?

Cognitive Toolkit和其他框架提供了使開發人員更容易構建和運行用來表徵神經網路的計算圖的界面。雖然它們提供的功能類似,但是每個框架都有自己的格式對這些圖進行表徵。 ONNX表徵有以下主要優點:

框架互操作性:開發人員可以更輕鬆地在框架間轉換,並為手頭的任務選擇最佳工具。每個框架都針對具體特性進行了優化,如快速訓練,支持靈活的網路架構,在移動設備上進行推理等等。許多時候,研發過程中最重要的特性與生產環節最重要的特性是不同的。這導致開發人員在框架之間進行模型轉換時,會因框架使用不正確或明顯延遲而使得效率降低。使用ONNX表徵的框架簡化了這一點,使得開發人員更加靈活。

共享優化:硬體供應商對神經網路性能的優化可以通過定位ONNX表徵來同時影響多個框架。優化經常需要被分別整合進入每個框架,這一過程很費時間。ONNX 表徵使得優化更容易實現,從而覆蓋更多開發人員。

ONNX技術總結

ONNX提供了可擴展計算圖模型的定義,以及內置運算器和標準數據類型的定義。起初,我們專註於推理所需的能力(評估)。

每個計算數據流圖被構造為形成非循環圖的節點列表。節點具有一個或多個輸入和輸出。每個節點是對一個運算器的調用。該圖還包含記錄其目的、作者等資訊的元數據。

運算器在圖外部實現,但是內置運算器的集合在框架之間是可移植的。支持ONNX的每個框架都將提供這些運算器在適用數據類型上的實現。

ONNX的可用性

ONNX程式碼和文檔的初始版本現在已經在GitHub(https://github.com/onnx/onnx)上開源。我們將積極開展基於ONNX的工作,即將推出的Cognitive Toolkit新版本將支持ONNX。我們還計劃和Facebook一道,提供部署參考、示例、工具等。

ONNX表徵形成了開放生態系統的基礎,使AI更容易獲取並富有價值。開發人員可以為其任務選擇合適的框架,框架作者可以專註於創新,硬體供應商可以簡化優化流程。我們希望社區能夠支持ONNX,以實現這一令人興奮的願景。

如果你發現文中有任何錯誤內容,請不吝發送通知讓我們知道並修改。『選取錯誤的文字片段後使按下Ctrl+Enter即可發送。』

Leave A Reply

Your email address will not be published.

Spelling error report

The following text will be sent to our editors: