TensorFlowからMicrosoftCognitive Toolkit（CNTK）に切り替える必要がある8つの理由

2分。読んだ

上で公開 2017 年 6 月 1 日

上の公表 2017 年 6 月 1 日

読者は MSpoweruser のサポートを支援します。私たちのリンクを通じて購入すると、手数料が発生する場合があります。

Microsoftは本日、Cognitive Toolkitバージョン2.0の一般提供を発表しました。これには、Kerasサポート、モデル評価用のJavaバインディングとSparkサポート、CPUでトレーニング済みモデルの評価速度を上げるためのモデル圧縮などの新機能が含まれます。 Microsoft Cognitive Toolkitは、市場で最速のディープラーニングフレームワークであり、開発者にとって他のフレームワークに比べて多くの利点があります。ただし、GitHubスターに関しては、TensorFlowとCaffeに次ぐXNUMX番目に人気のあるディープラーニングツールキットです。 Microsoftは、Cognitive Toolkitのパフォーマンスと機能に非常に自信を持っており、開発者と研究コミュニティの間でその範囲を拡大したいと考えています。

彼らは、なぜTensorFlowの代わりにCNTKを使用したいのかと尋ねる人々によく遭遇します。質問に答えるために、彼らは現在、CNTKを支持する理由を指摘する記事を投稿しています。 TensorFlowからCNTKに切り替える必要がある8つの理由は次のとおりです。

速度。 CNTKは一般にTensorFlowよりもはるかに高速であり、リカレントネットワークでは5〜10倍高速になる可能性があります。
正確さ。 CNTKを使用して、最先端の精度で深層学習モデルをトレーニングできます。
APIデザイン。 CNTKには非常に強力なC++APIがあり、関数型プログラミングパラダイムで設計された低レベルと使いやすい高レベルのPythonAPIの両方があります。
スケーラビリティ。 CNTKは、数千のGPUに簡単に拡張できます。
推論。 CNTKはC＃/。NET / Java推論をサポートしており、CNTK評価をユーザーアプリケーションに簡単に統合できます。
拡張性。 CNTKは、Pythonからレイヤーや学習者向けに簡単に拡張できます。
内蔵リーダー。 CNTKには、分散学習もサポートする効率的なデータリーダーが組み込まれています。
同一の内部および外部ツールキット。同じツールキットがMicrosoftの内部製品グループによって使用されているため、妥協することはありません。