本周，Facebook的AI团队为模型试验办理引入了PyTorch 1.1和Axe。微软还推出了区块链服务，为开发人员供给了对HoloLens 2的虚幻引擎支撑，以及新的Azure机器学习和Azure认知服务公告。

在一切这些音讯中，一些重要的故事或许不被留意：微软为机器模型训练和推理供给了遍及可用的FPGA芯片，敞开式神经络交流(ONNX)现在支撑Nvidia的TensorRT和英特尔的nGraph，用于Nvidia的高速推理和英特尔硬件。

这是在微软参加MLflow项目并开源高性能推理引擎ONNX Runtime之后。

Facebook和微软于2017年创建了ONNX开源项目，该项目现在包含简直一切人工智能的全球大公司，包含AWS，AMD，百度，英特尔，IBM，Nvidia和高通。

在周四的新闻发布之前，微软Azure的云核算和人工智能组组长Scott Guthrie在旧金山向记者叙述了一系列主题，包含微软的开源项目办法和人工智能战略。跟着微软在西雅图举行年度Build开发者大会，周一估计会有更多新闻。

“终究，我以为硬件有目共睹的并不是咱们自己做的硬件作业，而是最重要的是，”他说。

Guthrie说他喜爱ONNX，由于它让机器学习从业者可以灵敏地运用最好的机器学习结构和芯片硬件来完结某些使命。 FPGA芯片现已运用多年，可以为Azure运转100%的数据加密和紧缩加快使命。

“即便在今日运用人工智能的ONNX作业负载，有目共睹的部分是你现在可以构建自定义模型或运用咱们的模型，再次运用TensorFlow，PyTorch，Keras，你想要的任何结构，然后知道你可以硬件加快它是否是在最新的Nvidia GPU上，无论是在新的AMD GPU上，仍是在Intel FPGA上，无论是在他人的FPGA上，仍是在未来咱们或许发布的新芯片上。对我而言，这比“咱们在硬件等级有更好的指令集”更有目共睹，并且我发现一般会与客户发生最佳共识。“

Guthrie具体叙述了开源奉献，并表明全体微软回馈亚马逊或谷歌，这是该公司在曩昔10年中为DevOps，数据库，Kubernetes和AI制造东西的一部分。

在上一年秋天发布的2018年Octoverse陈述中，上一年被微软收买的GitHub发现，微软，谷歌，Redhat和加州大学伯克利分校雇用了最多的开源项目奉献者。

“咱们现已从不是开源的粉丝变成了一个大支撑者，”他说。 “我以为你看到一个微软都十分承受敞开，无论是作为顾客，仍是作为奉献者，我以为这是绝无仅有的。假如你看一下AWS对开源的奉献，那就不是许多了。有许多消费，但没有许多奉献，我以为即便你相对于咱们在Azure上做出的奉献量来看谷歌，我以为人们在增加它时经常会感到惊喜“起来。

Guthrie说，PyTorch和TensorFlow是当今最盛行的结构之一，但“It”结构来来往往。 ONNX的互操作性为不同结构，运转时，编译器和其他东西的调集带来了机器学习生态系统。

许多现代机器学习职业都建立在核算才能和开源项目的前进之上。正是这种体系结构可以完成机器智能的腾跃，假如科技巨子的职工竞相供给更多报答，那么或许会取得更大的收益。