Vous manquez des opportunités de trading :
- Applications de trading gratuites
- Plus de 8 000 signaux à copier
- Actualités économiques pour explorer les marchés financiers
Inscription
Se connecter
Vous acceptez la politique du site Web et les conditions d'utilisation
Si vous n'avez pas de compte, veuillez vous inscrire
Discussion sur la feuille de route ONNX 2020 #3 20200916
Discussion sur la feuille de route ONNX 2020 #3 20200916
La discussion dans cette vidéo est centrée sur divers sujets liés à ONNX, notamment l'amélioration de la gestion des erreurs, l'ajout d'un champ de schéma de métadonnées prédéfini pour indiquer la création du modèle, le besoin d'optimisation physique de la quantification et la possibilité de mettre à jour les modèles ONNX de Model Zoo vers les versions les plus récentes. L'équipe prévoit de hiérarchiser ces sujets en fonction de leur impact et de leur coût et de travailler dessus après la version 1.8. De plus, le groupe envisage l'idée de créer différentes liaisons de langage pour l'ensemble d'outils ONNX, avec un intérêt particulier pour Java, afin de prendre en charge différentes plates-formes telles que Spark. Les intervenants discutent également de la possibilité de créer un wrapper Java autour du runtime ONNX.
Discussion sur la feuille de route ONNX 2020 #4 20200923
Discussion sur la feuille de route ONNX 2020 #4 20200923
La quatrième partie de la discussion sur la feuille de route ONNX couvre les sujets de la prise en charge des trames de données, du prétraitement, de la normalisation, du pipeline d'apprentissage automatique de bout en bout et des recommandations d'outils. La prise en charge des trames de données est considérée comme précieuse pour les modèles d'apprentissage automatique classiques et pourrait éliminer le besoin de prétraitement. La nécessité de capturer le prétraitement dans le modèle ONNX est mise en évidence pour améliorer les performances, en mettant l'accent sur la normalisation des catégories de haut niveau comme le traitement d'image. Le pipeline de bout en bout est classé comme une faible priorité, mais il est suggéré d'ajouter progressivement des composants au pipeline. La discussion se termine par une recommandation d'utiliser un outil pour faciliter la discussion et l'analyse des points de l'ordre du jour.
Discussion sur la feuille de route ONNX 2020 #5 20201001
Discussion sur la feuille de route ONNX 2020 #5 20201001
Au cours de la discussion sur la feuille de route ONNX, l'équipe ONNX a discuté de diverses fonctionnalités suggérées par les membres de la communauté et notées par différentes personnes, y compris le comité directeur. Si certaines fonctionnalités ont fait l'unanimité, d'autres divisent la communauté. L'équipe a discuté de la possibilité de remplacer ONNX IR par plusieurs IR et des bibliothèques d'optimisation IR centralisées. Ils ont également discuté de l'idée de centraliser les bibliothèques d'optimisation au sein d'ONNX et de la nécessité pour les opérations de mettre en œuvre une interface et un style de codage standard. L'équipe a également débattu de la possibilité d'avoir un runtime simple pour les modèles ONNX et l'utilisation d'opérations Python personnalisées pour les cas où le runtime ONNX n'est pas disponible. De plus, l'équipe a exploré la relation entre les opérations de prétraitement et l'utilisation de trames de données, prévoyant de transformer leurs idées en propositions concrètes pour les travaux futurs.
Discussion sur la feuille de route ONNX 2021 #1 20210908
Discussion sur la feuille de route ONNX 2021 #1 20210908
Au cours de la discussion sur la feuille de route ONNX, IBM Research a présenté sa proposition d'un nouveau cadre de pipeline d'apprentissage automatique qui convertit les modèles de prétraitement de données typiques sur Pandas Dataframe au format ONNX. Le framework, appelé Data Frame Pipeline, est open source sur GitHub et peut être défini à l'aide de l'API fournie, qui s'exécute sur Python pendant la phase de formation. Les intervenants ont également discuté de la nécessité de rendre ONNX visible dans des langages autres que Python, tels que Java, C# et C++, ainsi que de l'exportation des modèles ONNX et de leur émission à partir d'autres langages. De plus, ils ont discuté des fonctionnalités actuelles des convertisseurs ONNX Python et C++ et de la nécessité de fonctionnalités de portée, de nommage et de correction lors de l'écriture de modèles ONNX.
Discussion sur la feuille de route ONNX 2021 #2 20210917
Discussion sur la feuille de route ONNX 2021 #2 20210917
Dans la discussion sur la feuille de route ONNX # 2 20210917, divers intervenants ont discuté de plusieurs domaines clés où ONNX doit être amélioré, notamment la quantification et la convivialité de la fusion, l'optimisation des noyaux pour des plates-formes matérielles spécifiques et l'ajout de fonctions locales de modèle à ONNX. D'autres sujets comprenaient des commentaires sur la prise en charge du pipeline de bout en bout, les défis rencontrés par les clients sur différentes plates-formes et les problèmes de conversion des graphiques GRU et LSTM. Certaines solutions suggérées comprenaient la fourniture de plus d'informations aux backends pour exécuter des graphiques pré-quantifiés, l'amélioration de l'interopérabilité des différents frameworks et l'inclusion d'un espace de noms lié au graphique d'origine pour permettre une solution à la fois générale et optimisée. En outre, les intervenants ont discuté de la nécessité d'un meilleur déploiement des packages pour une adoption plus large et de la possibilité de développer davantage de convertisseurs pour prendre en charge les modèles multimodaux.
Discussion sur la feuille de route ONNX 2021 #3 20210922
Discussion sur la feuille de route ONNX 2021 #3 20210922
Au cours de la discussion sur la feuille de route ONNX, les intervenants ont abordé la nécessité de résoudre les problèmes avec l'outil de conversion de décalage d'ONNX afin d'améliorer l'adoption d'ONNX avec la dernière pile optimisée pour certains cas d'utilisation. Les intervenants ont proposé une meilleure couverture des modèles pour tester la conversion d'offset et la résolution des étapes intermédiaires qui manquent actuellement dans les tests d'opérateurs ou de couches. Ils ont également discuté de l'importance des métadonnées et de l'infrastructure d'apprentissage fédérée, y compris la nécessité d'inclure des métadonnées dans la spécification ONNX pour les annotations d'apprentissage par transfert et le concept d'apprentissage fédéré pour permettre la confidentialité, l'efficacité et l'utilisation des ressources informatiques. Les conférenciers ont encouragé la collaboration de la communauté et ont demandé des commentaires pour discuter plus avant et mettre en œuvre ces idées. La prochaine session est prévue le 1er octobre.
Rencontre virtuelle de la communauté ONNX – mars 2021
000 ONNX 20211021 ONNX SC Bienvenue Progress Roadmap Release
L'atelier ONNX a commencé par une introduction, où les organisateurs ont souligné l'importance de la participation communautaire dans la croissance de l'écosystème ONNX. Ils ont également fourni un aperçu de l'ordre du jour, qui comprenait des mises à jour sur les statistiques ONNX, des présentations communautaires et les discussions sur la feuille de route du comité directeur d'ONNX. Les propositions de feuille de route visent à améliorer la prise en charge, la robustesse et la convivialité du framework ONNX, et incluent des opérateurs de prétraitement, des API C, un apprentissage fédéré et une meilleure intégration du traitement des données et de l'inférence. La récente publication de la version 1.10 des spécifications ONNX a également été discutée, et les participants ont été encouragés à poser des questions et à participer à la chaîne ONNX Slack pour poursuivre la conversation.
Journée communautaire ONNX ! Diffusé en direct le 24 juin 2022
Cet événement est organisé en personne sur le tout nouveau campus Microsoft Silicon Valley le vendredi 24 juin.
L'événement couvrira les mises à jour de la communauté ONNX, les témoignages de partenaires et d'utilisateurs, et de nombreux réseaux communautaires.
Journée communautaire ONNX !
Bref résumé:
Le résumé détaillé de la chronologie :
ONNX : passé, présent et futur - Jim Spohrer, IBM & Prasanth Pulavarthi, Microsoft
ONNX : passé, présent et futur - Jim Spohrer, IBM & Prasanth Pulavarthi, Microsoft
La vidéo « ONNX : passé, présent et futur » présente Jim Spohrer d'IBM et Prasanth Pulavarthi de Microsoft discutant de la croissance et de l'avenir du framework d'IA open source ONNX. Ils soulignent l'importance de normaliser le déploiement des modèles d'IA grâce au format d'échange fourni par ONNX, permettant une optimisation transparente sur différents cadres d'apprentissage en profondeur. En outre, ils discutent des développements récents de la capacité d'exécution ONNX à fonctionner avec divers accélérateurs matériels et proposent des conseils et des ressources pour démarrer avec ONNX. Les conférenciers répondent aux questions du public concernant les capacités d'ONNX, le déploiement commercial et les plans de certification à venir tout en exhortant les téléspectateurs à s'impliquer dans la communauté ONNX.
Journée communautaire ONNX ! Diffusé en direct le 24 juin 2022
Cet événement est organisé en personne sur le tout nouveau campus Microsoft Silicon Valley le vendredi 24 juin.
L'événement couvrira les mises à jour de la communauté ONNX, les témoignages de partenaires et d'utilisateurs, et de nombreux réseaux communautaires.
Journée communautaire ONNX !
Bref résumé:
Le résumé détaillé de la chronologie :