应该从 TensorFlow 切换到 Microsoft Cognitive Toolkit (CNTK) 的 8 个理由
2分钟读
发表于
阅读我们的披露页面,了解如何帮助 MSPoweruser 维持编辑团队 查看更多
微软今天宣布全面推出 Cognitive Toolkit 2.0 版,其中包含一些新功能,包括 Keras 支持、Java 绑定和用于模型评估的 Spark 支持,以及模型压缩以提高在 CPU 上评估训练模型的速度。 Microsoft Cognitive Toolkit 是市场上最快的深度学习框架,它为开发人员提供了许多优于其他框架的优势。 但就 GitHub 星级而言,它只是第三大最受欢迎的深度学习工具包,仅次于 TensorFlow 和 Caffe。 Microsoft 对 Cognitive Toolkit 的性能和功能非常有信心,现在他们希望扩大其在开发人员和研究社区中的影响力。
他们经常遇到有人问他们为什么有人要使用 CNTK 而不是 TensorFlow。 为了回答这些问题,他们现在发布了一篇文章,指出了支持 CNTK 的原因。 您应该从 TensorFlow 切换到 CNTK 的 8 个原因包括:
- 速度. CNTK 通常比 TensorFlow 快得多,并且在循环网络上可以快 5-10 倍。
- 准确性. CNTK 可用于以最先进的精度训练深度学习模型。
- API设计. CNTK 有一个非常强大的 C++ API,它也有低级和易于使用的高级 Python API,这些 API 是用函数式编程范式设计的。
- 可扩展性. CNTK 可以轻松地在数千个 GPU 上进行扩展。
- 推理. CNTK 具有 C#/.NET/Java 推理支持,可以轻松地将 CNTK 评估集成到用户应用程序中。
- 可扩展性. CNTK 可以很容易地从 Python 扩展为层和学习器。
- 内置阅读器. CNTK 具有高效的内置数据阅读器,也支持分布式学习。
- 相同的内部和外部工具包. 您不会以任何方式受到损害,因为 Microsoft 的内部产品组使用相同的工具包。
你可以详细阅读这8个原因 点击这里.
用户论坛
0消息