Microsoft und Facebook haben am 7. September 2017 das offene Austauschformat ONNX vorgestellt. Die offizielle Ankündigung des Open Neural Network Exchange beschreibt eine gemeinsame Repräsentation für Modelle aus verschiedenen KI-Frameworks.
Zum Start unterstützten Microsoft Cognitive Toolkit, Facebooks Caffe2 und PyTorch das Format. Die Partner wollten damit die Konvertierung zwischen Entwicklungswerkzeugen reduzieren, wenn ein Modell zunächst mit einem Framework trainiert und später mit einer anderen Laufzeit eingesetzt wird.
Gemeinsame Struktur für Rechengraphen
ONNX definiert einen erweiterbaren Rechengraphen, Standarddatentypen und eingebaute Operatoren. Ein Graph besteht aus Knoten mit Ein- und Ausgaben. Die offizielle ONNX-Dokumentation und der Quellcode auf GitHub standen bereits zum Start als Open-Source-Projekt bereit.
Microsoft und Facebook konzentrierten die erste Fassung auf die Inferenz, also die Auswertung bereits trainierter Modelle. Hardwareanbieter konnten Optimierungen gegen die gemeinsame Repräsentation entwickeln, statt sie für jedes Framework getrennt anzubieten.
Für Teams an Spielen und interaktiven Anwendungen kann ein solches Format den Wechsel zwischen Trainingswerkzeugen und Zielruntime vereinfachen. Das ist besonders dann interessant, wenn Modelle für Animation, NPC-Verhalten oder automatisierte Qualitätstests aus verschiedenen Toolchains in eine Auslieferung gelangen. Der ältere Bericht zu Videospielen als Trainingsumgebung für künstliche Intelligenz beschreibt einen früheren Berührungspunkt zwischen Spielen und maschinellem Lernen.