微软深度学习框架Microsoft Cognitive Toolkit 2.0候选版发布
jopen 8年前
<p style="text-align:center"><img alt="微软深度学习框架Microsoft Cognitive Toolkit 2.0候选版发布" src="https://simg.open-open.com/show/5ebae19cba1cac803906692ee80b25b2.jpg" /></p> <p>Microsoft Cognitive Toolkit 原名 CNTK，是微软去年开源的<a href="/misc/goto?guid=4958999729195728380" title="深度学习框架">深度学习框架</a>。</p> <p>作为语音识别领域声名卓著的开发工具，Microsoft Cognitive Toolkit 具有相当不错的可扩展性、速度和精确性。在海量数据上开发深度学习应用，它具备商用级别的稳定型，以及与主流编程语言与算法的兼容。</p> <p>如今，它即将迎来新一代的 2.0 版本。</p> <p>自从去年十月发布 2.0 beta 版，微软为 Microsoft Cognitive Toolkit 2.0 已陆续添加了超过 100 余个新特性、升级以及漏洞修补。而近日雷锋网获知，<strong>微软在 GitHub 上放出了它的 RC1 版，即第一个候选版本，标志着内测阶段已经完成。</strong></p> <p>我们离 Microsoft Cognitive Toolkit 2.0 的正式发布又近了一步。</p> <p>前天，微软在博客表示：</p> <blockquote> <p>“我们很高兴地宣布，微软已经将 Microsoft Cognitive Toolkit 2.0 带出内测阶段，并在今天向大家公布其第一个候选版本。该工具此前被称为 CNTK，是一个针对深度学习的系统，用来加速诸如语音、图像识别以及搜索相关性（search relevance）等领域的技术进步。并可运行于 CPU 或英伟达 GPU。Microsoft Cognitive Toolkit 既可本地运行，也可在云端基于 Azure GPU 运行。</p> <p>Microsoft Cognitive Toolkit 在一系列微软产品中都有十分广泛的应用。全世界范围内有大规模深度学习部署需求的公司，对最新算法、技术感兴趣的学生，都是其用户。自从 2016 年十月，我们已发布了超过十个 beta 版本，涵盖数百个新特性、性能提升和修补。”</p> </blockquote> <p><strong>主要升级</strong></p> <p>在 BrainScript 之外提供了更多 binding。2.0 版本把 Cognitive Toolkit 作为一个支持以下 binding 的算法库：</p> <p>Python (versions 2.7, 3.4, and 3.5).</p> <p>C++.</p> <p>C#/.NET Managed.</p> <p><strong>Python 示例和教程（Jupyter Notebooks）</strong></p> <p>微软充分认识到 Python 在深度学习领域的重要性，准备了一系列 Python 示例与教程（后者作为 Jupyter Notebooks 来执行）。请见：</p> <p><a href="/misc/goto?guid=4959005112521940146" rel="nofollow">Python Examples.</a></p> <p><a href="/misc/goto?guid=4959005112645895728" rel="nofollow">Python Tutorials (Jupyter Notebooks).</a></p> <p>我们了解到，你也可以用 Cognitive Toolkit Docker Containers 来运行 Jupyter Notebooks 教程。</p> <p><strong>Layers</strong><strong> </strong></p> <p>Layers 算法库得到了大幅升级。大量的通用“layers”已预定义，使编写包含标准层级的简单网络变得十分容易。</p> <p><strong>新的评估算法库</strong></p> <p>雷锋网(公众号：雷锋网)获知，新的 Cognitive Toolkit 评估算法库在易用性和性能上被大幅升级。该算法库可被用于 Windows 和 Linux，使用 C++、Python、C# 其它 .NET 语言。</p> <p><strong>新特性列表</strong></p> <ul> <li> <p>The ability to extend Cognitive Toolkit functions, learners, trainers and optimizers with your own algorithms in Python, C++.</p> </li> </ul> <ul> <li> <p>Enhanced, built-in distributed readers for speech, image, and text deep learning tasks.</p> </li> <li> <p>The ability to use TensorBoard visualizations from Cognitive toolkit! Read more here.</p> </li> <li> <p>Pretrained models available for use.</p> </li> <li> <p>Performance improvements.</p> </li> <li> <p>Support of distributed scenarios in Python API. See more in the sections on distributed scenarios in the ConvNet and ResNet examples.</p> </li> <li> <p>Support of Asynchronous Stochastic Gradient Descent (ASGD)/Hogwild! training parallelization support using Microsoft’s Parameter Server (Project Multiverso).</p> </li> <li> <p>Support for training on one-hot and sparse arrays via NumPy.</p> </li> <li> <p>Support of object recognition using Fast R-CNN algorithm.</p> </li> <li> <p>Integration with NVIDIA NCCL, a stand-alone library of standard collective communication routines, such as all-gather, reduce, broadcast, etc.， that have been optimized to achieve high bandwidth over PCIe. See how to enable NCCL in the Cognitive Toolkit Wiki.</p> </li> <li> <p>Lambda rank and NDCG at 1 are accessible from Python for real this time.</p> </li> <li> <p>Performance Profiler for BrainScript and Python.</p> </li> </ul> <p>Support in training session for cross validation and preservation of all checkpoints.</p> <p>Github 地址：<a href="/misc/goto?guid=4958983746401317478">https://github.com/Microsoft/CNTK</a></p> <p>via <a href="/misc/goto?guid=4959005112797618495" rel="nofollow">microsoft</a>，<a href="/misc/goto?guid=4959005112922890019" rel="nofollow">eweek</a></p> <p>来自: <a href="/misc/goto?guid=4959005113043782379" id="link_source2">雷锋网</a></p>