Facebook 及其在人工智能 (AI) 社区的合作伙伴正在构建开源工具，以加速 AI 开发并使生态系统更具互操作性。以下是这些计划的最新更新。
ONNX 增加合作伙伴
不同 AI 框架、硬件和其他技术的激增使得开发人员难以构建协同工作的工具。开放神经网络交换 (ONNX)（ONNX）是一种用于表示深度学习模型的开放规范，旨在创建更具互操作性的生态系统。它允许开发人员轻松地在最先进的工具之间移动模型，以便他们可以选择最适合其需求的组合。
ONNX 于 2017 年 9 月推出，是 Facebook、亚马逊网络服务 (AWS) 和微软之间的合作伙伴关系。随着包括 AMD、ARM、IBM、英特尔、NVIDIA 和高通以及比特大陆、联发科和 Preferred Networks 在内的领先技术公司的加入，它迅速发展壮大。
在 5 月的年度 F8 开发者大会上，Facebook 宣布推出多项新功能，包括生产就绪的 CoreML 转换器，这使开发人员能够跨 Apple 产品快速构建具有智能新功能的应用程序。此外，百度为其 PaddlePaddle 深度学习框架添加了支持。现在有六个流行的深度学习框架支持 ONNX 模型格式。
NVIDIA 的 TensorRT4 也具有原生的 ONNX 解析器，该解析器提供了一条简单的路径，可以将 ONNX 模型从深度学习框架导入到 TensorRT 中，以便优化 GPU 上的推理。这些功能进一步加强了 AWS 的更新，AWS 可以使用 Model Server for Apache MXNet 服务 ONNX 模型，而微软的下一个 Windows 主要更新将允许 ONNX 模型在数亿台 Windows 设备上本地运行。
最近，惠普企业 (HPE) 加入 ONNX，以进一步开放 AI 标准。此外，合作伙伴继续围绕 ONNX 开展相关计划的密切合作。例如，比特大陆和 Skymizer 合作开发了一个开放神经网络编译器，以加速 AI ASIC 的性能。
ONNX 1.2.2 发布
ONNX 最近发布了 1.2.2 版本，其中包括对内置运算符的升级以及其他改进 ONNX 开发者体验的补充。ONNX 支持广泛的模型，包括卷积神经网络 (CNN)，通常应用于计算机视觉任务，以及循环神经网络/长短期记忆网络 (RNN/LSTM)，包括任意控制流和其他典型架构。ONNX 1.2.2 的亮点包括
- 来自 Facebook、微软、亚马逊和许多其他公司的 250 多个合并的拉取请求
- ONNX 运算符支持的升级，允许更广泛的模型支持
- 为所有运算符添加了类型和形状推断功能
- 添加了新的运算符，包括 upsample、identity、acos、asin、atan、cos、sin、tan 和 multinomial
- 几个额外的运算符更新和错误修复
- 对 ONNX IR（中间表示）的改进，包括对函数和属性引用的实验性支持
我们还在我们的 python 代码中添加了类型注释，以帮助 ONNX 开发者更轻松地为项目做贡献，从而确保高代码质量、可读性和可靠性。
用于研究到生产的 PyTorch 1.0
5 月，Facebook 发布了PyTorch 1.0，这是其开源深度学习平台的下一个版本。它原生支持 ONNX 作为其模型导出格式，允许开发人员在 PyTorch 1.0 中构建和训练模型，这些模型可以与其他 AI 框架和硬件平台（如 iOS 和 Windows 设备）互操作。
PyTorch 1.0 结合了现有 PyTorch 框架的研究灵活性，并将其与 Caffe2 的模块化、面向生产的功能相结合，为开发人员提供了从 AI 研究到生产的快速、无缝路径。Facebook 目前使用一些相同的技术来快速进行实验，并将 AI 突破部署到全球超过 20 亿人。
作为 PyTorch 1.0 深度学习平台的一部分，我们还开源了许多 AI 工具。这些工具包括诸如 Translate 之类的库，用于快速、灵活的神经机器翻译，以及诸如 Glow 之类的机器学习编译器，后者可以加速 AI 特定硬件平台上的框架性能。
我们正在开放地构建 PyTorch 1.0，测试版将在未来几个月内发布。我们还将继续开源新的库、模型等，以支持计算机视觉、语言、语音和推理方面的开发。
共同推进 AI
Facebook 很高兴通过面向开发人员的开源工具和使 AI 开发更轻松、更开放的联合计划来推进世界 AI 的发展。我们将继续与领先的技术公司、研究人员和社区紧密合作，我们鼓励您加入并做出贡献。您可以通过访问Facebook 的 AI 开发者网站了解更多关于我们工作的信息。
Sarah Bird 将在 7 月 16 日至 19 日在俄勒冈州波特兰举行的第 20 届年度 OSCON 大会上演讲 人工智能开源库。
1 条评论