الوصف
ONNX، التي تعني Open Neural Network Exchange، هي معيار مفتوح حيوي في نظام التعلم الآلي. الغرض الرئيسي منها هو تسهيل التوافق بين أطر التعلم العميق المختلفة. في مجال الذكاء الاصطناعي الذي يتطور بسرعة، يعمل المطورون غالبًا مع أطر متعددة مثل PyTorch وTensorFlow وKeras وغيرها، كل منها له نقاط قوته وحالات استخدامه المفضلة. يتناول ONNX التحدي المتمثل في نقل النماذج بسلاسة بين هذه البيئات المختلفة.
قراءة المزيد
يحدد المعيار مجموعة شائعة من العمليات وتنسيق ملف مشترك لتمثيل نماذج التعلم العميق. وهذا يعني أنه يمكن تصدير نموذج تم تدريبه في إطار واحد إلى تنسيق ONNX ثم استيراده وتشغيله في إطار آخر يدعم ONNX. هذه القدرة لا تقدر بثمن للباحثين والمهندسين الذين يحتاجون إلى المرونة في سلسلة أدواتهم، مما يمكنهم من الاستفادة من أفضل ميزات كل إطار دون أن يكونوا مقيدين بنظام بيئي واحد.
يعتبر مستودع ONNX على GitHub مركز التطوير الرئيسي لهذا المعيار المفتوح. يحتوي على المواصفات الأساسية، والتنفيذات المرجعية، والتوثيق، ومساهمات المجتمع. يتم صيانة المستودع بنشاط، مع تحديثات متكررة تعكس التقدم في التعلم الآلي واحتياجات المجتمع. يتضمن مكونات متنوعة مثل التعريفات للعمليات، وهياكل الرسوم البيانية، وأنواع البيانات، جميعها مصممة لضمان تمثيل نماذج قوي ومتسق.
تشمل القدرات الرئيسية لـ ONNX قابلية نقل النماذج، والتحسين، والنشر. من خلال توفير تمثيل موحد، يسمح ONNX بتطبيق أدوات تحسين النماذج بشكل عالمي، بغض النظر عن إطار التدريب الأصلي. يمكن أن يؤدي ذلك إلى تحسين أداء الاستدلال على أهداف الأجهزة المختلفة، من خوادم السحابة إلى الأجهزة الطرفية. علاوة على ذلك، يبسط ONNX عملية النشر، حيث تقدم العديد من محركات الاستدلال ومسرعات الأجهزة دعمًا أصليًا لـ ONNX.
الجمهور المستهدف لـ ONNX يشمل باحثي التعلم الآلي، وعلماء البيانات، ومهندسي الذكاء الاصطناعي، والمطورين الذين يعملون على نشر نماذج الذكاء الاصطناعي. تكمن قيمة ONNX في تقليل الاحتكاك في دورة حياة تطوير النماذج والنشر، وتعزيز التعاون، وتسريع الابتكار عبر مجتمع الذكاء الاصطناعي. تشجع الطبيعة مفتوحة المصدر للمشروع على المشاركة الواسعة وتضمن أن يتطور المعيار لتلبية الاحتياجات المتنوعة لمستخدميه.
- الفئةالبرمجة والتطوير
- نموذج التسعيرمفتوح المصدر
- النشرسحابي, استضافة ذاتية
- المنصاتالويب
الميزات الأساسية لـ ONNX
معيار مفتوح للتوافق بين التعلم الآلي
تنسيق تمثيل نموذج مشترك
دعم لمختلف أطر التعلم العميق
يسهل قابلية نقل النماذج
يمكن من تحسين النماذج عبر الأطر
مستودع GitHub نشط للتطوير
توثيق شامل للعمليات وهياكل الرسوم البيانية
تطوير ومساهمات مدفوعة من المجتمع
يبسط نشر نماذج الذكاء الاصطناعي
تنفيذات مرجعية متاحة
تحكم في الإصدارات للمواصفات والكود
تكامل مستمر لضمان الجودة
إدارة ثغرات الأمان
خارطة طريق للتطوير المستقبلي
البدء مع ONNX
استنساخ المستودع: استخدم `git clone https://github.com/onnx/onnx.git` للحصول على أحدث كود مصدر.
تثبيت التبعيات: اتبع دليل `INSTALL.md` لإعداد أدوات البناء والمكتبات اللازمة.
بناء ONNX: قم بتجميع مكتبة وأدوات ONNX باستخدام سكربتات البناء المقدمة أو تكوينات CMake.
دمج النماذج: قم بتصدير نماذج التعلم الآلي الخاصة بك من أطر مثل PyTorch أو TensorFlow إلى تنسيق ONNX.
تشغيل الاستدلال: قم بتحميل نماذج ONNX في محركات الاستدلال المتوافقة للنشر والتنفيذ.
المساهمة: قدم طلبات سحب لإصلاح الأخطاء، أو ميزات جديدة، أو تحسينات في التوثيق وفقًا لـ `CONTRIBUTING.md`.
حالات استخدام ONNX
- قابلية نقل النماذج عبر الأطر
- تحسين النماذج
- نشر على الأجهزة الطرفية
- خدمات الاستدلال السحابية
- التعاون البحثي
- تسريع الأجهزة
- إصدار النماذج








