安妮 编译整理
量子位 出品 | 公众号 QbitAI
今天，亚马逊AWS宣布加入微软和Facebook的“框架联盟”，ONNX开始支持Apache MXNet了。
目前，ONNX总共支持微软的CNTK、Facebook的Caffe2、PyTorch和亚马逊的MXNet这四种框架，开发人员可灵活地选择其中一种框架构建和训练模型，再导入其他框架中完成推理任务。
框架间已经形成抱团形势，这是想三家结盟挑战TensorFlow霸权？
今年9月，Facebook和微软在各自博客中发布了一种“开放神经网络转换”工具，它能将一种框架训练的模型转换成另一种框架所需的格式，比如实现Pytorch训练模型到Caffe2的转换，让开发者更灵活地选择框架。
不错，这个工具就是ONNX。
ONNX是Facebook建立开放生态的第一步，但这第一步也并不好走。据Keras作者、Google深度学习研究院François Chollet上月公布的GitHub上深度学习框架排名情况来看，目前使用人数最多的框架还是Google的TensorFlow，MXNet和PaddlePaddle在框架领域的地位都举足轻重。
ONNX-MXNet是一个将ONNX深度学习模型导入到Apache MXNet中的开源Python包。作为一个功能全面的深度学习框架，MXNet提供了跨语言的API，如Python、Scala和R等。
在ONNX的支持下，开发人员可以在其他框架上构建和训练模型。利用其优化的可扩展的引擎，可以之后将模型导入到MXNet中运行，继而进行推理等任务。
这次亚马逊收编的MXNet加入ONNX联盟，是“开放生态”愿景的一次前进。Facebook在官方博客上表示，ONNX的合作伙伴和社区将继续开发ONNX和生态系统。
“我们将添加更多的互操作性，扩展ONNX-MXNet功能，并将ONNX引入MXNet的核心API。我们的任务是让开发人员有机会在所有框架中自由地工作。”Facebook在博客中写着。
MXNet的加盟其实也是开发人员的福音，AI框架间的互操作性越大，从研发到产品化所消耗的时间就越容易缩短。研究的商业化进程就越快。
其实，为了应对深度学习框架的多样化，亚马逊在上个月还推出了一个端对端深度学习编译器NNVW compiler。
“支持将包括mxnet、Pytorch、caffe2、coreml等在内的深度学习模型编译部署到硬件上并提供多级别联合优化。速度更快，部署更加轻量级。支持包括树莓派，服务器和各种移动式设备和cuda，opencl，metal，javascript以及其它各种后端。”项目作者之一陈天奇曾在微博上这样介绍NNVM。
相关资料ONNX-MXNet代码：
https://github.com/onnx/onnx-mxnet
官方使用示例：
https://github.com/onnx/onnx-mxnet/blob/master/onnx_mxnet/tests/test_super_resolution.py
ONNX项目地址：
http://onnx.ai/
AWS博客介绍：
https://amazonaws-china.com/cn/blogs/ai/announcing-onnx-support-for-apache-mxnet/
Facebook博客介绍：
https://research.fb.com/amazon-to-join-onnx-ai-format-drive-mxnet-support/
微软博客介绍：
https://www.microsoft.com/en-us/cognitive-toolkit/blog/2017/11/framework-support-open-ai-ecosystem-grows/
