Differences
This shows you the differences between two versions of the page.
| Both sides previous revisionPrevious revision | Next revisionBoth sides next revision |
| on-device:ai-model-file-format [2020/02/23] – gomida | on-device:ai-model-file-format [2020/02/23] – gomida |
|---|
| <sqtag>ONNX</sqtag> | <sqtag>ONNX</sqtag> |
| <sq> | <sq> |
| 반면 Google을 제외한 나머지 회사들은 [[https://onnx.ai/|ONNX (.onnx) 포맷 진영]]에 참여하였고, 수년이 지난 지금은 [[https://github.com/onnx/onnx/blob/master/docs/Operators.md|160여개의 연산자]]를 표준화하면서 상당한 완성도를 갖추어 가고 있다. 후발주자인 만큼 연산자 이름들이 조금이나마 더 체계화되어 있는 편으로, 예를 들어 Depthwise-Convolution을 별도로 선언하지 않고, [[https://github.com/onnx/onnx/blob/master/docs/Operators.md#Conv|Convolution의 속성으로 Group을 Channel과 같은 수로 지정]]한다든지 하는 방식으로 좀 더 범용성을 갖추고 있다. 이는 [[https://pytorch.org/docs/stable/_modules/torch/nn/modules/conv.html#Conv2d|PyTorch]]나 [[http://beta.mxnet.io/r/api/mx.symbol.Convolution.html|MXNet]] 등의 경향과도 일치하며, 그 목적에 부합하여 (TensorFlow를 제외하면) 프레임워크 간의 호환성도 괜찮은 편이다. 또한 Microsoft 주도로 개발되고 있는 [[https://github.com/microsoft/onnxruntime|ONNX-runtime]]은 큰 피처맵을 다루어야 하는 Image-to-Image 모델에서 괜찮은 성능을 보이고 있어 TensorFlow-Lite와의 경쟁 구도가 점점 흥미로워지고 있다. | 반면 Google을 제외한 나머지 회사들은 [[https://onnx.ai/|ONNX (Open Neural Network eXchange) 포맷 진영]]에 참여하였고, 수년이 지난 지금은 [[https://github.com/onnx/onnx/blob/master/docs/Operators.md|160여개의 연산자]]를 표준화하면서 상당한 완성도를 갖추어 가고 있다. 후발주자인 만큼 연산자 이름들이 조금이나마 더 체계화되어 있는 편으로, 예를 들어 Depthwise-Convolution을 별도로 선언하지 않고, [[https://github.com/onnx/onnx/blob/master/docs/Operators.md#Conv|Convolution의 속성으로 Group을 Channel과 같은 수로 지정]]한다든지 하는 방식으로 좀 더 범용성을 갖추고 있다. 이는 [[https://pytorch.org/docs/stable/_modules/torch/nn/modules/conv.html#Conv2d|PyTorch]]나 [[http://beta.mxnet.io/r/api/mx.symbol.Convolution.html|MXNet]] 등의 경향과도 일치하며, 그 목적에 부합하여 (TensorFlow를 제외하면) 프레임워크 간의 호환성도 괜찮은 편이다. 또한 Microsoft 주도로 개발되고 있는 [[https://github.com/microsoft/onnxruntime|ONNX-runtime]]은 큰 피처맵을 다루어야 하는 Image-to-Image 모델에서 괜찮은 성능을 보이고 있어 TensorFlow-Lite와의 경쟁 구도가 점점 흥미로워지고 있다. |
| </sq> | </sq> |
| |