ONNXサポート

ファーストクラスのデータベース・オブジェクトとしてのONNX形式モデルのサポート

Open Neural Network Exchange (ONNX)は、機械学習モデルを表すオープン・フォーマットです。システム間のモデルの交換に対応しており、スコアリング/推論にモデルを使用できるONNXランタイム環境でサポートされています。

機械学習手法である分類、回帰、クラスタリングおよび埋込みのための、ONNX形式のモデルをOracle AI Databaseにインポートできます。

モデルは、スキーマ内でファーストクラスのMINING MODELオブジェクトとしてインポートされます。推論は、PREDICTION、CLUSTER、VECTOR_EMBEDDINGなどのOMLスコアリング演算子ファミリを使用して実行できます。

サードパーティのMLモデル(他の環境または他のソースから構築された可能性がある)をインポートして使用し、データベースをMLスコアリング・プラットフォームとして活用できます。

ユーザーは、ネイティブのデータベース内モデルと同じスコアリング演算子を使用して、SQL問合せからこれらのモデルを起動できます。

すでにONNX形式のモデルをOracle Autonomous AI Database Serverless上のOMLサービスにインポートできるようになっていますが、さらに、Oracle AI DatabaseからONNX形式のモデルを使用できるようになりました。

ドキュメントの表示に関する項

大きいONNX形式モデルの有効化

この機能は、データベース内のONNX Runtimeで使用するために、1 GBを超えるOpen Neural Network Exchange (ONNX)形式モデルをインポートできます。モデルには、テキストおよびイメージを入力として使用し、ベクトルを生成するトランスフォーマ(埋込みモデル)が含まれます。これは、ONNXグラフ表現とは別のモデルの重み(定数)を参照できる外部イニシャライザを使用して有効化されます。OML4Pyを使用すると、Hugging Faceまたはファインチューニング・モデルを含むローカル・ディレクトリからのモデルの変換が容易になります。

より大きなモデルを使用する機能により、精度が向上し、概念間の微妙な関係が取得されます。また、ユーザーは、すぐに利用できる幅広いモデルとファインチューニング・モデルを利用できます。外部イニシャライザでは、メモリー効率を高めるために、データベース・プロセス間でイニシャライザを共有することもできます。OML4Pyは、外部イニシャライザを使用したONNX形式モデルの生成を自動化および簡略化します。

ドキュメントの表示に関する項

データベース内ONNX Runtimeを使用したAI Vector Searchによるイメージ・トランスフォーマ・モデルのサポート

この機能では、Oracle AI Database 26aiにおいて使用可能なデータベース内ONNX Runtimeエンジンにより、イメージ・トランスフォーマ・モデルのインポートと使用が可能になります。イメージ・トランスフォーマ・モデルはONNX形式であり、ONNXパイプラインの一部として必要なイメージ・デコードおよび前処理が含まれている必要があります。

インポートされたトランスフォーマを含むデータベース内ONNX Runtime エンジンを使用すると、テキストおよびイメージ・データをデータベース内で直接ベクトル化できるため、埋込みを生成するために別の環境をプロビジョニング、構成および保守する必要がなくなります。さらに、データベースから別の環境へデータを移動し、ベクトルをデータベースに戻す必要もありません。この機能拡張により、Oracle AI Databaseを使用して開発できるユースケースのセットが拡大されて、イメージ・データが含まれるようになります。この機能は、Oracle AI Vector Searchとセマンティック類似性検索で使用するために統合されています。

ドキュメントの表示に関する項