應該從 TensorFlow 切換到 Microsoft Cognitive Toolkit (CNTK) 的 8 個理由
2分鐘讀
發表於
讀者幫助支持 MSpoweruser。如果您透過我們的連結購買,我們可能會獲得佣金。
請閱讀我們的揭露頁面,了解如何幫助 MSPoweruser 維持編輯團隊的發展 阅读更多
微軟今天宣布全面推出 Cognitive Toolkit 2.0 版,其中包含一些新功能,包括 Keras 支持、Java 綁定和用於模型評估的 Spark 支持,以及模型壓縮以提高在 CPU 上評估訓練模型的速度。 Microsoft Cognitive Toolkit 是市場上最快的深度學習框架,它為開發人員提供了許多優於其他框架的優勢。 但就 GitHub 星級而言,它只是第三大最受歡迎的深度學習工具包,僅次於 TensorFlow 和 Caffe。 Microsoft 對 Cognitive Toolkit 的性能和功能非常有信心,現在他們希望擴大其在開發人員和研究社區中的影響力。
他們經常遇到有人問他們為什麼有人要使用 CNTK 而不是 TensorFlow。 為了回答這些問題,他們現在發布了一篇文章,指出了支持 CNTK 的原因。 您應該從 TensorFlow 切換到 CNTK 的 8 個原因包括:
- 速度. CNTK 通常比 TensorFlow 快得多,並且在循環網絡上可以快 5-10 倍。
- 準確性. CNTK 可用於以最先進的精度訓練深度學習模型。
- API設計. CNTK 有一個非常強大的 C++ API,它也有低級和易於使用的高級 Python API,這些 API 是用函數式編程範式設計的。
- 可擴展性. CNTK 可以輕鬆地在數千個 GPU 上進行擴展。
- 推理. CNTK 具有 C#/.NET/Java 推理支持,可以輕鬆地將 CNTK 評估集成到用戶應用程序中。
- 可擴展性. CNTK 可以很容易地從 Python 擴展為層和學習器。
- 內置閱讀器. CNTK 具有高效的內置數據閱讀器,也支持分佈式學習。
- 相同的內部和外部工具包. 您不會以任何方式受到損害,因為 Microsoft 的內部產品組使用相同的工具包。
你可以詳細閱讀這8個原因 点击這裡.