فيسبوك
أعلنت فيسبوك ومايكروسوفت هذا الصباح في منشورات مدونة منفصلة عن ONNX ، تبادل الشبكات العصبية المفتوحة. يسهّل التبادل على مطوري التعلم الآلي تحويل النماذج بين بايثورش وكافيه 2 لتقليل زمن التأخير بين البحث وتسويق المنتج. لطالما حافظت فيسبوك على التمييز بين مجموعات التعلم الآلي FAIR و AML. تدير Facebook AI Research (FAIR) البحث الرائد في حين أن Applied Machine Learning (AML) توفر الذكاء للمنتجات. يعتمد اختيار إطار عمل التعلم العميق على هذا التمييز الأيديولوجي الرئيسي. اعتادت FAIR على العمل مع PyTorch – إطار عمل للتعلم العميق تم تحسينه لتحقيق نتائج متقدمة في البحث ، بغض النظر عن قيود الموارد. لسوء الحظ في العالم الحقيقي ، معظمنا محدود بقدرات الحوسبة للهواتف الذكية وأجهزة الكمبيوتر. عندما ترغب AML في بناء شيء ما للنشر والتوسع ، فإنها تختار Caffe2. Caffe2 هو أيضًا إطار عمل للتعلم العميق ولكنه تم تحسينه لكفاءة الموارد ، خاصةً فيما يتعلق بـ Caffe2Go الذي تم تحسينه لتشغيل نماذج التعلم الآلي على أجهزة الجوال ذات الطاقة المنخفضة.
يساعد العمل التعاوني الذي تعلن عنه فيسبوك ومايكروسوفت الأشخاص على تحويل النماذج التي تم إنشاؤها في PyTorch بسهولة إلى نماذج Caffe2. من خلال تقليل الحواجز أمام الانتقال بين هذين الإطارين ، يمكن للشركتين بالفعل تحسين نشر البحث والمساعدة في تسريع عملية التسويق بأكملها. لسوء الحظ ، لا تستخدم جميع الشركات نفس زوج PyTorch و Caffe2. لا تزال العديد من الأبحاث تتم في TensorFlow وأطر عمل رئيسية أخرى. خارج سياق البحث ، كان الآخرون يعملون على تسهيل تحويل نماذج التعلم الآلي إلى تنسيقات مُحسّنة لأجهزة محددة. على سبيل المثال ، يساعد CoreML من Apple المطورين على تحويل عدد محدود جدًا من النماذج. في هذه المرحلة ، لا يدعم CoreML حتى TensorFlow ، وتبدو عملية إنشاء محولات مخصصة معقدة للغاية ومن المرجح أن تؤدي إلى خيبة أمل. مع حصول شركات مثل Google و Apple على مزيد من التحكم في تحسين إطار عمل التعلم الآلي على الأجهزة المخصصة ، سيكون من المهم الاستمرار في مراقبة التشغيل البيني. تم إصدار Open Neural Network Exchange على Github ، يمكنك العثور عليه هنا.
