Un nouveau format ouvert pour l’intelligence artificielle

15/01/2018
logo khronos group

Le Khronos Group lance le Neural Network Exchange Format. Ce format facilite le transfert des réseaux de neurones des frameworks vers les moteurs d’inférence.

Le Khronos Group n’est pas un petit nouveau en ce qui concerne les formats ouverts. On lui doit des formats de référence comme OpenGL et OpenCL. Le Khronos Group a décidé cette fois de s’atteler au domaine très en vogue de l’intelligence artificielle annonçant la sortie d’une spécification provisoire de Neural Network Exchange Format (NNEF) 1.0. Cette spécification cherche à réduire la fragmentationdéploiementde modèles observée depuis quelques années dans le monde de l’apprentissage machine.

Cette spécification veut notamment permettre aux applications et plateformes de se construire sur une base étendue de solutions de formation de réseaux de neurones et de moteurs d’inférence. Ainsi, le format NNEF a été conçu pour être exporté et importé de manière fiable à travers des outils et des moteurs tels que Torch, Caffe, TensorFlow, Theano, Chainer, Caffe2, PyTorch et MXNet.

Khronos_neuralNet

Autant de projets que de formats

Le coût en calcul des réseaux neuronaux convolutifs ont poussé de nombreuses entreprises à développerdes architectures de processeurs mobiles et embarqués pour accélérer l’inférence neuronale.Cependant, cette multitude de projets menés parallèlement a donné naissance à autant de formats propriétaires pour la description des paramètres d’un réseau entraîné. Cela représente un véritable casse-tête pour les développeurs quand il s’agit de permettre l’exécution d’un réseau neuronal sur différents moteurs d’inférence.

Le format ouvert MNEF propose d’encapsuler une description complète de la structure, des opérations et des paramètres d’un réseau neuronal entraîné. Cette description est indépendante des outils utilisés pour former le réseau et des moteurs d’exécution.

Peter McGuinness, à la tête du projet de spécification NNEF, explique que « le domaine du machine learning bénéficie de la vitalité des nombreux groupes travaillant sur le terrain, mais souffre d’un manque de normes communes. » Il ajoute qu’après une année de travail sur le sujet, il espère rendre MNEF pour les réseaux neuronaux aussi incontournable et efficace que PDF pour la mise en forme des documents.

Le groupe Khronos apublié NNEF 1.0avec un statut despécification provisoire.Cette annonce est stratégique et laisse ainsila possibilité à l’industriede commenter et amender la spécification avant sa version finale.

Source : https://architosh.com

comments powered by Disqus
top