Intercambio de redes neuronales abiertas
From Wikipedia, the free encyclopedia
El Intercambio de Redes Neuronales Abierto (ONNX, acrónimo en inglés para Open Neural Network Exchange) es un ecosistema de inteligencia artificial de código abierto.[1] ONNX está disponible en GitHub.
| Open Neural Network Exchange (ONNX) | ||
|---|---|---|
 | ||
| Información general | ||
| Tipo de programa | software libre y de código abierto | |
| Desarrollador | Facebook, Microsoft | |
| Licencia | MIT License | |
| Versiones | ||
| Última versión estable | 1.20.01 de diciembre de 2025 | |
| Enlaces | ||
Historia
En septiembre de 2017, Facebook y Microsoft introdujeron un sistema para cambiar entre diferentes marcos de trabajo de aprendizaje automático, como PyTorch y Caffe2. Más tarde, IBM, Huawei, Intel, AMD, ARM y Qualcomm anunciaron su apoyo a la iniciativa.[1]
En octubre de 2017, Microsoft anunció que añadiría, a la iniciativa, su Kit de Herramientas Cognitivas y la plataforma Proyecto Brainwave.[1] En noviembre de 2019, ONNX fue aceptado como un proyecto de posgrado en la Linux Foundation AI.
Propósito
Los objetivos de la iniciativa son:
Interoperabilidad del marco de trabajo
Permite a los desarrolladores cambiar más fácilmente entre marcos de trabajo, algunos de los cuales pueden ser más recomendables para fases concretas del proceso de desarrollo, como la formación rápida, la flexibilidad de la arquitectura de la red o la inferencia en dispositivos móviles.[2]
Optimización compartida
Permite a los vendedores de hardware (y a otros interesados) la mejora inmediata del rendimiento de redes neuronales artificiales de múltiples marcos de trabajo, simplemente por usar la representación ONNX.[2]
Contenidos
ONNX proporciona definiciones de un modelo de computación extensible de grafos, operadores incorporados y tipos de datos estándar, centrados en la inferencia (evaluación).[2]
Cada grafo de flujo de datos de computación es una lista de nodos que forma un grafo acíclico. Los nodos tienen entradas y salidas. Cada nodo es una llamada a un operador. Los metadatos documentan el grafo. Los operadores incorporados necesitan estar disponibles en todos los marcos de trabajo que soporta ONNX.[2]
Otras asociaciones
Véase también
- Predictive Model Markup Language, modelo predictivo para intercambiar formatos basado en XML.
- PicklingTools: Una colección de código abierto de herramientas para permitir a C++ y sistemas de Python para compartir información de forma rápida y sencilla.[3]
