8 причин, по которым вам следует перейти с TensorFlow на Microsoft Cognitive Toolkit (CNTK)

Значок времени чтения 2 минута. читать


Читатели помогают поддержать MSpoweruser. Мы можем получить комиссию, если вы совершите покупку по нашим ссылкам. Значок подсказки

Прочтите нашу страницу раскрытия информации, чтобы узнать, как вы можете помочь MSPoweruser поддержать редакционную команду. Читать далее

Microsoft Azure AI

Сегодня Microsoft объявила об общедоступной версии Cognitive Toolkit версии 2.0 с некоторыми новыми функциями, включая поддержку Keras, привязки Java и поддержку Spark для оценки модели, а также сжатие модели для увеличения скорости оценки обученной модели на процессорах. Microsoft Cognitive Toolkit — самая быстрая среда глубокого обучения на рынке, предлагающая разработчикам множество преимуществ по сравнению с другими платформами. Но это только третий по популярности инструментарий глубокого обучения с точки зрения звезд GitHub после TensorFlow и Caffe. Microsoft очень уверена в производительности и возможностях Cognitive Toolkit, и теперь они хотят расширить его охват среди разработчиков и исследовательского сообщества.

Они часто сталкиваются с людьми, которые спрашивают их, почему кто-то хочет использовать CNTK вместо TensorFlow. Чтобы ответить на вопросы, они опубликовали статью с указанием причин в пользу CNTK. 8 причин, по которым вам следует перейти с TensorFlow на CNTK, включают в себя:

  • Скорость. CNTK в целом намного быстрее, чем TensorFlow, и может быть в 5-10 раз быстрее в рекуррентных сетях.
  • точность. CNTK можно использовать для обучения моделей глубокого обучения с высочайшей точностью.
  • Дизайн API. CNTK имеет очень мощный C++ API, а также низкоуровневые и простые в использовании высокоуровневые API Python, разработанные с использованием парадигмы функционального программирования.
  • Масштабируемость. CNTK можно легко масштабировать на тысячи графических процессоров.
  • вывод. CNTK поддерживает вывод C#/.NET/Java, что упрощает интеграцию оценки CNTK в пользовательские приложения.
  • растяжимость. CNTK можно легко расширить из Python для слоев и учащихся.
  • Встроенные считыватели. CNTK имеет эффективные встроенные устройства чтения данных, которые также поддерживают распределенное обучение.
  • Идентичный внутренний и внешний набор инструментов. Вы никоим образом не будете скомпрометированы, потому что тот же набор инструментов используется внутренними продуктовыми группами в Microsoft.

Вы можете подробно прочитать об этих 8 причинах здесь.

Подробнее о темах: CNTK, застройщиков, Microsoft, Microsoft Cognitive Toolkit, Когнитивный инструментарий Майкрософт 2.0, TensorFlow