今年9月,Facebook宣布推出“开源神经网络交换”(ONNX),呼吁其他公司加入,旨在为不同编程框架的神经网络创建共享模型。今天,Facebook联合AWS和微软宣布,在合作伙伴的支持下,第一个正式版本的ONNX已经正式投入使用。
目前机器学习生态系统中的一个关键问题是,开发和执行神经网络和其他机器学习系统有很多不同的框架,但它们都是截然不同的,而且不支持相互操作。ONNX的出现将为开发者提供更强的工具组合和更简单的传输模型,从而有助于创建一个自由、创新的AI生态系统。自推出以来,ONNX就得到了各界的响应。AMD、ARM、IBM、英特尔、华为、英伟达、高通都宣布支持ONNX,除此之外还有许多公司都为其推出做出了贡献。
目前ONNX已支持Caffe2、微软的Cognitive Toolkit、亚马逊偏爱的机器学习框架Apache MXNet(9月的最初版本上是不支持的该框架的)、PyTorch和英伟达的TensorRT。虽然还不支持TensorFlow等其他的框架,但ONNX为它们提供了相应的转换器。
当前的ONNX主要是为视觉应用设计的,将来研究人员打算将其应用于更多领域,包括语言建模等动态模型。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。
举报投诉
原文标题:Facebook开源项目ONNX正式使用,欲打造共享神经网络
文章出处:【微信号:jqr_AI,微信公众号:论智】欢迎添加关注!文章转载请注明出处。
相关推荐
于传统的神经网络模型,卷积神经网络具有以下优点。 1. 局部连接和权值共享:卷积神经网络通过设置局部连接和权值
发表于 12-07 15:37
•2958次阅读
神经网络模型是一种通过模拟生物神经元间相互作用的方式实现信息处理和学习的计算机模型。它能够对输入数据进行分类、回归、预测和聚类等任务,已经广泛应用于计算机视觉、自然语言处理、语音处理等
发表于 08-28 18:25
•624次阅读
卷积神经网络模型的优缺点 卷积神经网络(Convolutional Neural Network,CNN)是一种从图像、视频、声音和一系列多维信号中进行学习的深度学习模型。它在计算机
发表于 08-21 17:15
•2318次阅读
卷积神经网络一共有几层 卷积神经网络模型三层 卷积神经网络 (Convolutional Neural Networks,CNNs) 是一种在深度学习领域中发挥重要作用的
发表于 08-21 17:11
•4385次阅读
卷积神经网络模型搭建 卷积神经网络模型是一种深度学习算法。它已经成为了计算机视觉和自然语言处理等各种领域的主流算法,具有很大的应用前景。本篇文章将详细介绍卷积
发表于 08-21 17:11
•610次阅读
cnn卷积神经网络模型 卷积神经网络预测模型 生成卷积神经网络模型 卷积
发表于 08-21 17:11
•805次阅读
图像识别卷积神经网络模型 随着计算机技术的快速发展和深度学习的迅速普及,图像识别卷积神经网络模型已经成为当今最受欢迎和广泛使用的模型之一。卷
发表于 08-21 17:11
•533次阅读
常见的卷积神经网络模型 典型的卷积神经网络模型 卷积神经网络(Convolutional Neural Network, CNN)是深度学习
发表于 08-21 17:11
•1920次阅读
卷积神经网络算法流程 卷积神经网络模型工作流程 卷积神经网络(Convolutional Neural Network,CNN)是一种广泛应用于目标跟踪、图像识别和语音识别等领域的深
发表于 08-21 16:50
•1581次阅读
卷积神经网络三大特点 卷积神经网络(Convolutional Neural Network,CNN)是一种深度学习模型,其具有三大特点:局部感知、参数共享和下采样。 一、局部感知
发表于 08-21 16:49
•3598次阅读
卷积神经网络模型原理 卷积神经网络模型结构 卷积神经网络是一种深度学习神经网络,是在图像、语音
发表于 08-21 16:41
•660次阅读
卷积神经网络模型有哪些?卷积神经网络包括哪几层内容? 卷积神经网络(Convolutional Neural Networks,CNN)是深度学习领域中最广泛应用的
发表于 08-21 16:41
•1507次阅读
卷积神经网络原理:卷积神经网络模型和卷积神经网络算法 卷积神经网络(Convolutional Neural Network,CNN)是一种
发表于 08-17 16:30
•915次阅读
神经网络模型是一种机器学习模型,可以用于解决各种问题,尤其是在自然语言处理领域中,应用十分广泛。具体来说,神经网络模型可以用于以下几个方面:
发表于 08-03 16:37
•4195次阅读
有很多方法可以将经过训练的神经网络模型部署到移动或嵌入式设备上。不同的框架在各种平台上支持Arm,包括TensorFlow、PyTorch、Caffe2、MxNet和CNTK,如Android
发表于 08-02 06:43
评论