8 סיבות מדוע כדאי לעבור מ-TensorFlow ל-Microsoft Cognitive Toolkit (CNTK)

מיקרוסופט הודיעה היום על הזמינות הכללית של Cognitive Toolkit גרסה 2.0 עם כמה תכונות חדשות כולל תמיכה ב-Keras, כריכות Java ותמיכה ב-Spark להערכת מודלים, ודחיסת מודלים כדי להגביר את המהירות להערכת מודל מאומן במעבדים. Microsoft Cognitive Toolkit המסגרת ללמידה עמוקה המהירה ביותר בשוק והיא מציעה יתרונות רבים על פני מסגרות אחרות למפתחים. אבל זה רק ערכת הכלים ללמידה עמוקה הפופולרית השלישית במונחים של כוכבי GitHub, מאחורי TensorFlow ו-Caffe. מיקרוסופט בטוחה מאוד בביצועים וביכולות של Cognitive Toolkit, כעת הם רוצים להרחיב את טווח ההגעה שלו בקרב מפתחים וקהילת המחקר.

לעתים קרובות הם נתקלים באנשים ששואלים אותם למה שמישהו ירצה להשתמש ב-CNTK במקום ב-TensorFlow. כדי לענות על השאלות, הם פרסמו כעת מאמר המצביע על סיבות לטובת CNTK. 8 סיבות מדוע כדאי לעבור מ-TensorFlow ל-CNTK כוללות:

• מהירות. CNTK הוא באופן כללי הרבה יותר מהיר מאשר TensorFlow, והוא יכול להיות מהיר פי 5-10 ברשתות חוזרות.
• דיוק. ניתן להשתמש ב-CNTK כדי להכשיר מודלים של למידה עמוקה עם דיוק מתקדם.
• עיצוב API. ל-CNTK יש ממשק API של C++ חזק מאוד, ויש לו גם ממשקי API ברמה נמוכה וקלים לשימוש של Python שעוצבו עם פרדיגמת תכנות פונקציונלית.
• בקרת מערכות ותקשורת. ניתן להגדיל בקלות את ה-CNTK על פני אלפי GPUs.
• הסקה. ל-CNTK יש תמיכה בהסקת C#/.NET/Java שמקלה על שילוב הערכת CNTK ביישומי משתמש.
• פְּרִישׁוּת. ניתן להרחיב בקלות CNTK מ-Python עבור שכבות ולומדים.
• קוראים מובנים. ל-CNTK קוראי נתונים מובנים יעילים התומכים גם בלמידה מבוזרת.
• ערכת כלים פנימית וחיצונית זהה. לא תיפגע בשום צורה מכיוון שאותה ערכת כלים משמשת קבוצות מוצרים פנימיות במיקרוסופט.

אתה יכול לקרוא על 8 הסיבות הללו בפירוט כאן.