Oracle提供了用于机器学习数据传输的GraphPipe规范

Oracle已经开发了一个用于传输张量数据的开源规范，该公司希望成为机器学习的标准。

该规范称为GraphPipe，提供了用于网络数据传输的协议。 GraphPipe旨在提高二进制，内存映射格式的效率，同时使其简单且轻巧地实现依赖关系。 还有用于从任何框架部署和查询机器学习模型的客户端和服务器。

这包括：

• 一组平面缓冲区定义。 平面缓冲区类似于Google协议缓冲区，另外还有避免在反序列化期间复制内存的好处。 平面缓冲区定义提供了包括输入，张量，输入名称和输出名称的请求消息。
• 服务模型准则。
• 来自各种机器学习框架的服务模型示例。
• 用于查询通过GraphPipe服务的模型的客户端库。 客户端适用于Python，Go和Java。 Google的TensorFlow库有一个插件，用于在本地TensorFlow图中包含一个远程模型。

使用GraphPipe，远程模型接受请求消息并为每个输出名称返回一个张量。 该模型还提供有关输入和输出的类型和形状的元数据。

甲骨文表示，GraphPipe解决了机器学习中的三个持久挑战：

• 没有模型服务API的标准，开发人员可能会陷入框架所提供的任何东西，可能是协议缓冲区或自定义JSON。 应用程序通常需要自定义客户端才能与已部署的模型对话。 如果使用多个框架，情况将会恶化。
• 构建模型服务器可能很复杂。
• 对于性能至关重要的应用程序而言，通过Python-JSON API从复杂模型提供张量数据是不够的。

在哪里下载GraphPipe

您可以从Oracle的GitHub存储库站点下载GraphPipe 。

From: https://www.infoworld.com/article/3297799/oracle-offers-graphpipe-spec-for-machine-learning-data-transmission.html