TensorFlow에서 Microsoft Cognitive Toolkit(CNTK)으로 전환해야 하는 8가지 이유

Microsoft는 오늘 Keras 지원, Java 바인딩 및 모델 평가를 위한 Spark 지원, CPU에서 훈련된 모델 평가 속도를 높이는 모델 압축을 비롯한 몇 가지 새로운 기능이 포함된 Cognitive Toolkit 버전 2.0의 일반 공급을 발표했습니다. Microsoft Cognitive Toolkit은 시장에서 가장 빠른 딥 러닝 프레임워크이며 개발자를 위한 다른 프레임워크에 비해 많은 이점을 제공합니다. 그러나 GitHub 스타 측면에서 TensorFlow 및 Caffe에 이어 세 번째로 인기 있는 딥 러닝 툴킷입니다. Microsoft는 Cognitive Toolkit의 성능과 기능에 대해 매우 확신하고 있으며 이제 개발자와 연구 커뮤니티 사이에서 범위를 확장하기를 원합니다.

TensorFlow 대신 CNTK를 사용하려는 이유를 묻는 사람들을 종종 접합니다. 질문에 답하기 위해 그들은 이제 CNTK에 찬성하는 이유를 지적하는 기사를 게시했습니다. TensorFlow에서 CNTK로 전환해야 하는 8가지 이유는 다음과 같습니다.

• 속도. CNTK는 일반적으로 TensorFlow보다 훨씬 빠르며 순환 네트워크에서 5~10배 더 빠를 수 있습니다.
• 정확성. CNTK는 최첨단 정확도로 딥 러닝 모델을 훈련하는 데 사용할 수 있습니다.
• API 디자인. CNTK에는 매우 강력한 C++ API가 있으며, 함수형 프로그래밍 패러다임으로 설계된 저수준 및 사용하기 쉬운 고수준 Python API도 있습니다.
• 확장성. CNTK는 수천 개의 GPU로 쉽게 확장할 수 있습니다.
• 추론. CNTK에는 CNTK 평가를 사용자 응용 프로그램에 쉽게 통합할 수 있는 C#/.NET/Java 추론 지원이 있습니다.
• 확장 성. CNTK는 계층 및 학습자를 위해 Python에서 쉽게 확장할 수 있습니다.
• 내장 리더. CNTK에는 분산 학습도 지원하는 효율적인 내장 데이터 판독기가 있습니다.
• 동일한 내부 및 외부 툴킷. Microsoft의 내부 제품 그룹에서 동일한 도구 키트를 사용하기 때문에 어떠한 방식으로도 손상되지 않습니다.

이 8가지 이유에 대해 자세히 읽을 수 있습니다. 여기에서 지금 확인해 보세요..