Организация Khronos Group в след за широко используемыми стандартами для графики, параллельных вычислений или обработки зрительных данных, таких как OpenGL, Vulkan или OpenCL, недавно анансировала предварительную спецификацию NNEF 1.0 (Neural Network Exchange Format) для универсального обмена обученными нейронными сетями между обучающими каркасными библиотеками и механизмами логического вывода.
NNEF нацелен на уменьшение фрагментации машинного обучения, дает возможность ученным и дата инженерам легко передавать обучаемые сети из выбранной ими обучаемой нейтронной сети в различные логические выводы через единый стандартизованный обменный формат. NNEF инкапсулирует полное описание структуры, операций и параметров обученной нейтронной сети, независимо от инструментов обучения, используемых для ее создания и механизма логического вывода, используемого для ее выполнения. Новый формат уже опробован с помощью таких инструментов, как TensorFlow, Caffe2, Theano, Chainer, MXNet и PyTorch.
Компания Khronos также выпустила инструменты с открытым исходным кодом для управления файлами NNEF, включая синтаксический анализатор / валидатор NNEF и примеры экспортеров, которые можно найти в репозитории github NNEF Tools. Предварительную спецификацию NNEF 1.0 можно будет найти здесь, а также вы сможете использовать систему отслеживания ошибок в репозитории github NNEF-Docs для предоставления отзывов и комментариев.
Выражаем свою благодарность источнику с которого взята и переведена статья, сайту cnx-software.com.
Оригинал статьи вы можете прочитать здесь.