Microsoft Cognitive Toolkit версии 2.0


После более чем шести месяцев бета-тестирования Microsoft Cognitive Toolkit Version 2.0, ранее известная как CNTK, теперь находится в полной версии и общедоступна.

Как мы сообщали в то время, Microsoft Cognitive Toolkit Version 2 вошла в бета-тестирование в октябре 2016 года. Начав работу в Microsoft исследователями, которые хотели использовать машинное обучение в таких областях, как распознавание речи, CTNK (Computational Network Toolkit) описал как:
набор инструментов коммерческого уровня для обучения алгоритмов глубокого обучения, способных учиться подобно человеческому мозгу
был открыт в апреле 2015 года, хотя он продолжает использоваться Microsoft Research.
Microsoft Cognitive Toolkit, который до сих пор широко известен в CNTK, разработан для работы на нескольких графических процессорах и превосходит другие платформы машинного обучения с точки зрения производительности. Это сравнение скорости взято из статьи «Стоит ли мне использовать TensorFlow», в которой сравниваются CNTK, Theano, Torcha и Caffe с TensorFlow, о которой мы говорили в ноябре прошлого года:

Сообщение в блоге, в котором объявляется, что Microsoft Cognitive Toolkit версии 2.0 теперь имеет статус общей доступности, включает дополнительную статистику производительности. Они показывают, насколько он превосходит другие аналогичные платформы, в данном случае Caffe, MXNet, TensorFlow и Torch, с точки зрения скорости на одном процессоре:

На диаграмме показано, как на нескольких графических процессорах производительность увеличивается с увеличением масштаба. Он показывает, как прогнозы производительности постепенно улучшаются с использованием до 64 V100, нового графического процессора Volta от NVIDIA:

При переходе к бета-версии основные функции Microsoft Cognitive Toolkit версии 2.0 включали:

Теперь можно использовать как библиотеку с новыми API C ++ и Python.
Новые примеры и руководства Python
Поддержка сериализации буферов протокола
Поддержка алгоритма Fast R-CNN
Новые автоматизированные процедуры установки
Улучшения в оценочной библиотеке CNTK, включая поддержку API CNTK

Пройдя через пятнадцать бета-версий и три версии-кандидата, с новыми функциями, вводимыми каждый раз, CNTK 2.0, первая производственная версия Microsoft Cognitive Toolkit 2.0 теперь доступна для загрузки. Основные моменты релиза:

CNTK Java API (все еще экспериментальный и может быть изменен)

Комментируя это в анонсе GA, команда пишет, что этот API означает:
пользователи могут оценивать модели набора когнитивных инструментов с помощью нового Java API. Это делает его идеальным для пользователей, желающих интегрировать модели глубокого обучения в свои приложения на основе Java или для масштабной оценки на таких платформах, как Spark.

Двоичная свертка с помощью Halide Пример, который реализует обучение сети двоичной свертки и высокооптимизированную собственную реализацию C ++ для быстрой оценки моделей двоичной свертки. Используя структуру Halide для оптимального использования многопоточных и векторных инструкций, доступных на современных процессорах, он работает до 10 раз быстрее, чем эквивалентная сверточная сеть, обученная и оцененная с 32-битной точностью с плавающей запятой.
Серверная часть Keras (в общедоступной предварительной версии) В ответ на запрос сообщества была добавлена поддержка Keras, библиотеки нейронной сети с открытым исходным кодом, написанной на Python, которая уже работает поверх Tensorflow, Theano и Deeplearning.

Комментарий Congitive Toolkit в записи блога:
API Keras был разработан для пользователей для разработки приложений ИИ и оптимизирован для удобства пользователей. Keras следует передовым методам снижения когнитивной нагрузки: он предлагает последовательные и простые API-интерфейсы, сводит к минимуму количество действий пользователя, необходимых для общих случаев использования, и обеспечивает четкую и действенную обратную связь при ошибке пользователя. Керас открыл глубокое обучение тысячам людей без опыта машинного обучения. Мы рады сообщить, что многие тысячи пользователей Keras теперь могут пользоваться преимуществами производительности Cognitive Toolkit без каких-либо изменений в своих существующих рецептах Keras.

Сообщение в блоге завершается ссылкой на список причин на вики-странице GitHub, по которым специалисты по данным и разработчики, которые сейчас используют другие фреймворки, должны попробовать Cognitive Toolkit.


Добавить комментарий