ONNX (تبادل الشبكات العصبية المفتوحة)

في مجال الذكاء الاصطناعي والتعلّم الآلي، تُعد قابلية التشغيل البيني أساسية للاستفادة من أفضل الأدوات ونشر النماذج عبر بيئات متنوعة. ONNX (Open Neural Network Exchange) هو تنسيق مفتوح مصمم لتمثيل نماذج التعلم الآلي، مما يضمن عدم تقييد مطوري الذكاء الاصطناعي بإطار عمل واحد ويمكنهم تبسيط عملية نقل النماذج بين الأدوات المختلفة. وهو يوفر تمثيلاً موحداً للنماذج، بغض النظر عن إطار العمل المستخدم في التدريب، مما يسهل نشر هذه النماذج في مختلف محركات الاستدلال ومنصات الأجهزة والبيئات.

أهمية ONNX

تكمن الأهمية الأساسية للموقع ONNX في قدرته على تعزيز قابلية النقل والتشغيل البيني في منظومة الذكاء الاصطناعي. من خلال تحديد مجموعة مشتركة من المشغلين وتنسيق قياسي لنماذج التعلم الآلي، يسمح ONNX للنماذج المدربة في أطر مثل PyTorch أو TensorFlow ليتم نقلها وتشغيلها بسهولة باستخدام محركات استدلالية مختلفة مثل TensorRT أو OpenVINO. يعد هذا مفيدًا بشكل خاص للمطورين الذين يستخدمون نماذج Ultralytics YOLO ، حيث أن تصدير ONNX يبسط نشر النماذج عبر منصات مختلفة، من الخوادم السحابية إلى الأجهزة المتطورة. Ultralytics يسهل تصدير YOLOv8 النماذج إلى تنسيق ONNX ، مما يسمح للمستخدمين بالاستفادة من محركات الاستدلال المحسّنة لتحسين الأداء والاستدلال في الوقت الحقيقي بشكل أسرع.

تطبيقات ONNX

ONNXتوافقها عبر الأطر يجعلها ذات قيمة في العديد من تطبيقات الذكاء الاصطناعي. ومن الأمثلة الملموسة على ذلك:

• نشر الحافة: غالبًا ما يتطلب نشر نماذج الذكاء الاصطناعي على الأجهزة المتطورة أداءً محسنًا وتوافقًا مع أجهزة محددة. ONNX يسمح للمطورين بتدريب نموذج باستخدام إطار عمل عالي المستوى مثل PyTorch ثم تصديره إلى ONNX لتشغيله بكفاءة على الأجهزة المتطورة باستخدام محركات الاستدلال مثل TensorRT على NVIDIA جيتسون أو OpenVINO على أجهزة Intel . وهذا يضمن أن التطبيقات مثل الكاميرات الذكية أو الروبوتات يمكنها أداء مهام اكتشاف الأجسام باستخدام نماذج Ultralytics YOLO بفعالية في الوقت الفعلي.
• الاستدلال عبر المنصات: في السيناريوهات التي تحتاج فيها حلول الذكاء الاصطناعي إلى العمل عبر أنظمة تشغيل وأجهزة مختلفة، يوفر ONNX تنسيقًا متسقًا للنموذج. على سبيل المثال، قد يتم تدريب تطبيق لتحليل الصور الطبية على خوادم قوية ولكن يحتاج إلى إجراء الاستدلال على أجهزة أقل طاقة في المستشفيات أو العيادات. ONNX يتيح الانتقال السلس وتنفيذ نفس النموذج عبر بيئات متنوعة، مما يضمن أداءً متسقًا وموثوقًا بغض النظر عن منصة النشر.

المفاهيم ذات الصلة

يتضمن فهم ONNX أيضًا التعرف على المفاهيم ذات الصلة التي تلعب دورًا في نشر النموذج وتحسينه:

• محركات الاستدلال: وهي عبارة عن مكتبات برمجية تعمل على تحسين وتنفيذ نماذج التعلم الآلي على أجهزة معينة. ONNX غالبًا ما تُستخدم نماذج مع محركات الاستدلال مثل TensorRT و OpenVINO لتسريع سرعة وكفاءة الاستدلال.
• تصدير الطراز: عملية تحويل نموذج مدرب من صيغة إطاره الأصلي (على سبيل المثال, PyTorch .pt ONNX Ultralytics . يوفر أدوات مباشرة لـ تصدير النماذج YOLO إلى ONNX وتنسيقات أخرى.
• قابلية التشغيل البيني للإطار: ONNX يعالج التحدي المتمثل في انغلاق إطار العمل من خلال السماح باستخدام النماذج عبر أطر عمل مختلفة. وفي حين أن لكل إطار عمل نقاط قوته الخاصة به، فإن ONNX يضمن أن يتمكن المطورون من اختيار الأداة الأفضل لكل مرحلة من مراحل دورة حياة الذكاء الاصطناعي دون عوائق التوافق.

من خلال اعتماد ONNX ، يمكن للمطورين تبسيط مهام سير عمل الذكاء الاصطناعي بشكل كبير، وتقليل تعقيدات النشر، وضمان أن تكون نماذجهم متعددة الاستخدامات والأداء عبر مجموعة واسعة من التطبيقات والمنصات.