AI Weekly：微软，机器学习框架互操作性和ONNX

 
本周，Facebook的AI团队为模型实验管理引入了PyTorch 1.1和Axe。微软还推出了区块链服务，为开发人员提供了对HoloLens 2的虚幻引擎支持，以及新的Azure机器学习和Azure认知服务公告。
在所有这些消息中，一些重要的故事可能不被注意：微软为机器模型培训和推理提供了普遍可用的FPGA芯片，开放式神经网络交换(ONNX)现在支持Nvidia的TensorRT和英特尔的nGraph，用于Nvidia的高速推理和英特尔硬件。
这是在微软加入MLflow项目并开源高性能推理引擎ONNX Runtime之后。
Facebook和微软于2017年创建了ONNX开源项目，该项目现在包括几乎所有人工智能的全球大公司，包括AWS，AMD，百度，英特尔，IBM，Nvidia和高通。
在周四的新闻发布之前，微软Azure的云计算和人工智能组组长Scott Guthrie在旧金山向记者讲述了一系列主题，包括微软的开源项目方法和人工智能战略。随着微软在西雅图召开年度Build开发者大会，周一预计会有更多新闻。
“最终，我认为硬件引人注目的并不是我们自己做的硬件工作，而是最重要的是，”他说。
Guthrie说他喜欢ONNX，因为它让机器学习从业者可以灵活地使用最好的机器学习框架和芯片硬件来完成某些任务。 FPGA芯片已经使用多年，可以为Azure运行100%的数据加密和压缩加速任务。
“即使在今天使用人工智能的ONNX工作负载，引人注目的部分是你现在可以构建自定义模型或使用我们的模型，再次使用TensorFlow，PyTorch，Keras，你想要的任何框架，然后知道你可以硬件加速它是否是在最新的Nvidia GPU上，无论是在新的AMD GPU上，还是在Intel FPGA上，无论是在别人的FPGA上，还是在未来我们可能发布的新芯片上。对我而言，这比“我们在硬件级别有更好的指令集”更引人注目，而且我发现通常会与客户产生最佳共鸣。“
Guthrie详细讲述了开源贡献，并表示整体微软回馈亚马逊或谷歌，这是该公司在过去10年中为DevOps，数据库，Kubernetes和AI制作工具的一部分。
在去年秋天发布的2018年Octoverse报告中，去年被微软收购的GitHub发现，微软，谷歌，Redhat和加州大学伯克利分校雇用了最多的开源项目贡献者。
“我们已经从不是开源的粉丝变成了一个大支持者，”他说。 “我认为你看到一个微软都非常接受开放，无论是作为消费者，还是作为贡献者，我认为这是独一无二的。如果你看一下AWS对开源的贡献，那就不是很多了。有很多消费，但没有很多贡献，我认为即使你相对于我们在Azure上做出的贡献量来看谷歌，我认为人们在添加它时经常会感到惊喜“起来。
Guthrie说，PyTorch和TensorFlow是当今最流行的框架之一，但“It”框架来来往往。 ONNX的互操作性为不同框架，运行时，编译器和其他工具的集合带来了机器学习生态系统。
许多现代机器学习行业都建立在计算能力和开源项目的进步之上。正是这种体系结构能够实现机器智能的飞跃，如果科技巨头的员工竞相提供更多回报，那么可能会获得更大的收益。