8 grunner til at du bør bytte fra TensorFlow til Microsoft Cognitive Toolkit (CNTK)

Microsoft kunngjorde i dag den generelle tilgjengeligheten av Cognitive Toolkit versjon 2.0 med noen nye funksjoner, inkludert Keras-støtte, Java-bindinger og Spark-støtte for modellevaluering, og modellkomprimering for å øke hastigheten til å evaluere en trent modell på CPUer. Microsoft Cognitive Toolkit er det raskeste rammeverket for dyp læring på markedet, og det gir mange fordeler fremfor andre rammeverk for utviklere. Men det er bare det tredje mest populære verktøysettet for dyp læring når det gjelder GitHub-stjerner, bak TensorFlow og Caffe. Microsoft er veldig trygg på ytelsen og egenskapene til Cognitive Toolkit, nå ønsker de å utvide rekkevidden blant utviklere og forskningsmiljøet.

De møter ofte folk som spør dem hvorfor noen ønsker å bruke CNTK i stedet for TensorFlow. For å svare på spørsmålene har de nå lagt ut en artikkel som peker på grunner til fordel for CNTK. 8 grunner til at du bør bytte fra TensorFlow til CNTK inkluderer:

• Speed. CNTK er generelt mye raskere enn TensorFlow, og det kan være 5-10 ganger raskere på tilbakevendende nettverk.
• Nøyaktighet. CNTK kan brukes til å trene dyplæringsmodeller med toppmoderne nøyaktighet.
• API-design. CNTK har en veldig kraftig C++ API, og den har også både lavnivå og brukervennlige Python APIer på høyt nivå som er designet med et funksjonelt programmeringsparadigme.
• skalerbarhet. CNTK kan enkelt skaleres over tusenvis av GPUer.
• slutning. CNTK har C#/.NET/Java-inferensstøtte som gjør det enkelt å integrere CNTK-evaluering i brukerapplikasjoner.
• utvidelses~~POS=TRUNC. CNTK kan enkelt utvides fra Python for lag og elever.
• Innebygde lesere. CNTK har effektive innebygde datalesere som også støtter distribuert læring.
• Identisk intern og ekstern verktøykasse. Du vil ikke bli kompromittert på noen måte fordi det samme verktøysettet brukes av interne produktgrupper hos Microsoft.

Du kan lese om disse 8 grunnene i detalj her..