8 alasan mengapa Anda harus beralih dari TensorFlow ke Microsoft Cognitive Toolkit (CNTK)
2 menit Baca
Ditampilkan di
Bagikan artikel ini
Sempurnakan panduan ini
Baca halaman pengungkapan kami untuk mengetahui bagaimana Anda dapat membantu MSPoweruser mempertahankan tim editorial Baca lebih lanjut
Microsoft hari ini mengumumkan ketersediaan umum Cognitive Toolkit versi 2.0 dengan beberapa fitur baru termasuk dukungan Keras, Java binding dan dukungan Spark untuk evaluasi model, dan kompresi model untuk meningkatkan kecepatan mengevaluasi model terlatih pada CPU. Microsoft Cognitive Toolkit kerangka pembelajaran mendalam tercepat di pasar dan menawarkan banyak keuntungan dibandingkan kerangka kerja lain untuk pengembang. Tapi ini hanya toolkit pembelajaran mendalam paling populer ketiga dalam hal bintang GitHub, di belakang TensorFlow dan Caffe. Microsoft sangat yakin dengan kinerja dan kemampuan Cognitive Toolkit, sekarang mereka ingin memperluas jangkauannya di antara pengembang dan komunitas riset.
Mereka sering menemukan orang yang bertanya mengapa ada orang yang ingin menggunakan CNTK daripada TensorFlow. Untuk menjawab pertanyaan tersebut, mereka sekarang telah memposting sebuah artikel yang menunjukkan alasan yang mendukung CNTK. 8 alasan mengapa Anda harus beralih dari TensorFlow ke CNTK meliputi:
- Kecepatan. CNTK secara umum jauh lebih cepat daripada TensorFlow, dan bisa 5-10x lebih cepat pada jaringan berulang.
- Ketepatan. CNTK dapat digunakan untuk melatih model pembelajaran mendalam dengan akurasi mutakhir.
- desain API. CNTK memiliki API C++ yang sangat kuat, dan juga memiliki API Python tingkat rendah dan mudah digunakan yang dirancang dengan paradigma pemrograman fungsional.
- Skalabilitas. CNTK dapat dengan mudah diskalakan pada ribuan GPU.
- Kesimpulan. CNTK memiliki dukungan inferensi C#/.NET/Java yang memudahkan pengintegrasian evaluasi CNTK ke dalam aplikasi pengguna.
- Kemungkinan diperpanjang. CNTK dapat dengan mudah diperluas dari Python untuk lapisan dan pelajar.
- Pembaca bawaan. CNTK memiliki pembaca data internal yang efisien yang juga mendukung pembelajaran terdistribusi.
- Toolkit internal dan eksternal yang identik. Anda tidak akan dikompromikan dengan cara apa pun karena toolkit yang sama digunakan oleh grup produk internal di Microsoft.
Anda dapat membaca tentang 8 alasan ini secara detail di sini.
