La LF AI Foundation, fondazione della Linux Foundation che fa da “ombrello” per le attività a supporto dell’innovazione open source sui temi riguardanti intelligenza artificiale, machine learning e deep learning, ha alzato il sipario su quello che ora è il progetto “graduated” Onnx, Open Neural Network eXchange.
La fondazione lo descrive come progetto di ecosistema per modelli di intelligenza artificiale interoperabili. Tra i contributori attivi alla code base di Onnx figurano oltre 30 società blue chip operanti nel settore dell’intelligenza artificiale, tra cui Amazon, Facebook, Intel, Microsoft e Nvidia.
Il fatto di portare l’iniziativa sotto l’egida della governance e della gestione della LF AI Foundation, come progetto graduated, viene considerato dai partecipanti come una pietra miliare nella definizione di Onnx quale standard open format e vendor-neutral.
La community Onnx è stata fondata nel 2017 da Facebook e Microsoft al fine di creare un ecosistema aperto per modelli intercambiabili. Nel frattempo, il supporto per Onnx è cresciuto fino a coinvolgere oltre 30 aziende registrate, oltre a molte altre società in veste di utenti finali, in tutto il mondo. Allo stato attuale, Open Neural Network eXchange è un progetto maturo che conta 138 collaboratori, oltre 7mila star e oltre mille fork.
Ma cos’è quindi, in sintesi, l’Open Neural Network eXchange? Onnx è un formato aperto utilizzato per rappresentare i modelli di machine learning e deep learning. Un ecosistema di prodotti che supportano Open Neural Network eXchange, ha spiegato la LF AI Foundation, offre funzionalità di intelligenza artificiale come la creazione ed esportazione di modelli, la visualizzazione, l’ottimizzazione e l’accelerazione. Tra i suoi numerosi vantaggi, sottolinea ancora la fondazione, Onnx offre la portabilità, in quanto consente agli sviluppatori di intelligenza artificiale di spostare più facilmente i modelli tra gli strumenti che fanno parte di flussi di lavoro trusted.
Maggiori informazioni su Onnx, l’open format per rappresentare modelli di deep learning, sono disponibili sul sito del progetto.
