在深度学习（DL）和机器学习（ML）社区中，框架碎片化已是一个由来已久、成本高昂的问题。由于碎片化，资源被分散在不同的社区和技术栈上，框架发展精力被耗散在竞争上而减缓了创新，并且用户和开发人员也不得不被捆绑在其中一个技术栈上。随着深度学习框架逐渐成熟并收敛到相似的设计选择，API标准化的机会也在逐渐显现。API标准化可以通过促进跨框架的协作来解决代价高昂的碎片化问题。为此，Apache MXNet 2.0采用了Python数组API标准和开放神经网络交换标准（ONNX），这两个互补的标准用于机器学习和深度学习。在本次演讲中，我将分享这些标准化工作以及MXNet社区在其中的参与，并重点介绍由之而来的激动人心的新功能。

讲师:

Sheng Zha: Sheng Zha 是亚马逊AI的高级应用科学家。他也是Apache MXNet (Incubating)的提交者和PPMC成员，LF Data & AI Foundation的ONNX指导委员会成员，以及Python Data API标准联盟的成员。在他的研究中，Sheng专注于基于深度学习的自然语言处理和计算系统之间的交集，目的是实现语言数据的大规模模型学习，并使其易于使用。