8 skäl till varför du bör byta från TensorFlow till Microsoft Cognitive Toolkit (CNTK)

Lästid ikon 2 min. läsa


Läsare hjälper till att stödja MSpoweruser. Vi kan få en provision om du köper via våra länkar. Verktygstipsikon

Läs vår informationssida för att ta reda på hur du kan hjälpa MSPoweruser upprätthålla redaktionen Läs mer

Microsoft Azure AI

Microsoft tillkännagav idag den allmänna tillgängligheten av Cognitive Toolkit version 2.0 med några nya funktioner inklusive Keras-stöd, Java-bindningar och Spark-stöd för modellutvärdering och modellkomprimering för att öka hastigheten för att utvärdera en tränad modell på CPU:er. Microsoft Cognitive Toolkit är det snabbaste ramverket för djupinlärning på marknaden och det erbjuder många fördelar jämfört med andra ramverk för utvecklare. Men det är bara den tredje mest populära verktygslådan för djupinlärning när det gäller GitHub-stjärnor, bakom TensorFlow och Caffe. Microsoft är mycket övertygad om prestandan och kapaciteten hos Cognitive Toolkit, nu vill de utöka dess räckvidd bland utvecklare och forskarvärlden.

De stöter ofta på människor som frågar dem varför någon skulle vilja använda CNTK istället för TensorFlow. För att svara på frågorna har de nu lagt upp en artikel som pekar ut skäl till förmån för CNTK. 8 skäl till varför du bör byta från TensorFlow till CNTK inkluderar:

  • Fart. CNTK är i allmänhet mycket snabbare än TensorFlow, och det kan vara 5-10 gånger snabbare på återkommande nätverk.
  • Noggrannhet. CNTK kan användas för att träna djupinlärningsmodeller med toppmodern noggrannhet.
  • API -design. CNTK har ett mycket kraftfullt C++ API, och det har också både lågnivå och lättanvända Python API:er på hög nivå som är designade med ett funktionellt programmeringsparadigm.
  • skalbarhet. CNTK kan lätt skalas över tusentals GPU:er.
  • Slutledning. CNTK har C#/.NET/Java-inferensstöd som gör det enkelt att integrera CNTK-utvärdering i användarapplikationer.
  • Sträckbarhet. CNTK kan enkelt utökas från Python för lager och elever.
  • Inbyggda läsare. CNTK har effektiva inbyggda dataläsare som även stödjer distribuerad inlärning.
  • Identisk intern och extern verktygslåda. Du skulle inte bli äventyrad på något sätt eftersom samma verktygslåda används av interna produktgrupper hos Microsoft.

Du kan läsa om dessa 8 skäl i detalj här..

Mer om ämnena: CNTK, utvecklare, microsoft, Microsoft Cognitive Toolkit, Microsoft Cognitive Toolkit 2.0, TensorFlow