CNTK

Het brein van Microsoft is op dit moment voor iedereen toegankelijk om te gebruiken in hun applicaties. De organisatie heeft in het openbaar de kunstmatige intelligentie vrijgegeven die het gebruikt om discourse-erkenning te controleren in de Cortana-geavanceerde rechterhand- en Skype Translate-toepassingen. Dit houdt in dat iedereen op de planeet momenteel de code van Microsoft in zijn eigen product mag zien, aanpassen en gebruiken.

Het systeem, genaamd CNTK, is afhankelijk van een deel van kunstmatige intelligentie, deep learning genaamd, dat machines in staat stelt dingen te doen zoals het waarnemen van foto's en opnames of het begrijpen van het menselijke discours door de structuur en elementen van de menselijke hersenen te kopiëren. Tech-monsters zoals Microsoft, Google en Facebook hebben zich al heel lang intensief beziggehouden met het leren van onderzoek, en waagden zich tot zo extreem dat ze een groot aantal scholastics inhielden die het voortouw namen. Momenteel, net zoals de scholastiek zijn verkenning verspreidt zodat deze heel goed door verschillende specialisten kan worden onderzocht en gevorderd, ontladen deze organisaties hun diepgaande leerprogrammering op dezelfde manier.

Eerder bracht Google zijn door de mens gemaakte hersenmotor TensorFlow publiekelijk uit, die de organisatie gebruikt voor enorme aantallen eigen toepassingen, inclusief spraakherkenning in Android en zelfs de webindex van de leider. Het duurde niet lang of Facebook openbaar vrijgegeven structuren voor aangepaste apparatuur bedoeld om de meest recente AI-berekeningen uit te voeren en China's grootste webcrawler, Baidu, publiceerde zijn geautomatiseerde redeneervoorbereidingsprogramma's publiekelijk.

Microsoft heeft CNTK, wat vergelijkbaar is vanuit verschillende gezichtspunten met Google's TensorFlow, echt ontladen in april, maanden voordat Google zijn eigen systeem had gelost, maar de code was beperkt tot niet-zakelijk gebruik. Momenteel laat Microsoft iedereen, inclusief bedrijven, CNTK gebruiken voor alles wat ze maar willen.

Wat is CNTK?

De Computational Network Toolkit (CNTK) is een productbundel die het eenvoudig maakt om computationele systemen te structureren en te testen, bijvoorbeeld diepgaande neurale systemen. Een computationeel systeem is een berekeningsstijl waarbij informatie door een diagram beweegt en berekeningen plaatsvinden in de knooppunten van het diagram. Het doel van een computationeel systeem is om informatie over hoogtepunten te nemen, de informatie te veranderen via een systeem van basisberekeningen en daarna ten minste één opbrengst te creëren. De opbrengst is vaak een type keuze dat afhankelijk is van de info-hoogtepunten. Een computationeel systeem kan verschillende structuren aannemen, bijvoorbeeld feedforward, recursief of convolutioneel en bevat verschillende soorten berekeningen en niet-lineariteiten. De parameters van het systeem zijn verbeterd om het 'beste' denkbare resultaat te leveren voor een bepaalde informatiestructuur en een voortgangscriterium

• CNTK is een algemeen antwoord voor het voorbereiden en testen van verschillende soorten neurale systemen
• Een client geeft een systeem aan dat gebruikmaakt van een eenvoudige content-arrangementrecord. Het ontwerprecord geeft het soort systeem aan, waar de info-informatie te vinden is en hoe de parameters kunnen worden verbeterd. Deze planparameters worden verrekend in het setupdocument.
• CNTK is bedoeld om consequent hetzelfde aantal berekeningen op een GPU te plaatsen, indien toegankelijk, zoals onder de omstandigheden te verwachten valt. Dit soort computationele systemen zijn allesbehalve moeilijk om te vectoriseren en passen op de GPU's. CNTK is goed met GPU's die de CUDA-programmeervoorwaarde helpen.
• CNTK stelt uiteraard de vereiste dochterondernemingen vast om de essentiële verbeteringen effectief uit te spelen. Systemen zijn gemaakt van een groot aantal eenvoudige componenten en CNTK kan de subtiliteiten bewaken om te waarborgen dat de vooruitgang effectief wordt uitgevoerd.
• CNTK kan worden bereikt door kleine maten C ++ code op te nemen om de vitale vierkanten te actualiseren. Nieuwe informatiepercentanten, niet-lineariteiten en doelcapaciteiten zijn allesbehalve moeilijk om mee te nemen.

Voordelen van CNTK boven TensorFlow

CNTK heeft een belangrijke gunstige positie ten opzichte van TensorFlow voor personen buiten de wetenschappelijke gemeenschap: het kan in de tussentijd de intensiteit van een groot aantal servers benutten. Dat is van vitaal belang omdat het ongebruikelijk is dat een eenzame pc voldoende verbazingwekkend is om te kunnen omgaan met een echte door de mens gemaakte brainpower-toepassing, bijvoorbeeld discourse-erkenning voor een toepassing die door een groot aantal individuen wordt gebruikt. Binnen gebruikt Google waarschijnlijk TensorFlow op een groot aantal servers tegelijkertijd. Hoe het ook zij, de variant die Google heeft ontladen in de samenleving, kan volgens Huang niet op deze manier worden gebruikt. Eerlijk gezegd zijn enkele diepgaande leerstructuren anders dan CNTK-ondersteuning voor verschillende servers ideaal voor het geval, maar het is denkbaar met andere open source-programmering, bijvoorbeeld Torch, die wordt gebruikt door Facebook en Google.

Zoals aangegeven door Microsoft's innerlijke poging, is CNTK aanzienlijk productiever dan andere diepgaande leertoestellen met open bronnen. Het is bovendien een van slechts een handvol paar diepgaande leersystemen die ten grondslag liggen aan Microsoft Windows. Een nadeel is niettemin dat de structuur alleen maar de achtergrond heeft van C ++ en zijn eigen aangepaste dialect, waardoor het voor een paar ontwerpers steeds moeilijker wordt om te gebruiken. In ieder geval is Microsoft van plan bolster op te nemen voor de beroemde programmeerdialecten Python – waarschijnlijk het meest algemeen erkende dialect tussen door mensen gemaakte redensspecialisten – en C # eerder vroeger dan later. Wat meer is, momenteel dat het een open source is, zullen software-ingenieurs het vermogen hebben om zelf ondersteuning te bieden voor hun meest geliefde dialecten.

Microsoft Cognitive Toolkit is de snelste en diepgaande leerstructuur in de markt en biedt talloze aandachtspunten voor ontwerpers over verschillende systemen. Toch is het slechts de derde meest gangbare diepgaande leer-toolbox voor zover GitHub schittert, achter TensorFlow en Caffe. Microsoft is uiterst zeker over de uitvoering en capabilties van Cognitive Toolkit, momenteel moeten ze het bereik uitbreiden tussen ontwerpers en het onderzoeksnetwerk.

Ze ervaren vaak dat mensen hen vragen waarom niemand CNTK zou moeten gebruiken in plaats van TensorFlow. Om de vragen te beantwoorden, hebben ze nu een artikel geplaatst waarin de redenen voor CNTK worden genoemd. 8 redenen waarom u zou moeten overschakelen van TensorFlow naar CNTK zijn:

• Snelheid: CNTK is al met al een stuk sneller dan TensorFlow, en het heeft de neiging om 5-10x sneller te zijn op intermitterende systemen.
• Exactheid: CNTK kan worden gebruikt om diepgaande leermodellen voor te bereiden met de best in class exactheid.
• Programmeren interfacestructuur: CNTK heeft een verbazingwekkende C ++ API, en het heeft eveneens low-level en eenvoudig te gebruiken abnormale status Python API's die zijn gepland met een praktisch programmeerbeeld.
• Veelzijdigheid: CNTK kan moeiteloos worden geschaald meer dan een groot aantal GPU's.
• Surmising: CNTK heeft een C # / .NET / Java inductieondersteuning die het eenvoudig maakt om CNTK-beoordeling in clienttoepassingen te coördineren.
• Uitbreidbaarheid: CNTK kan effectief worden gestrekt van Python voor lagen en studenten.
• Werkte in perusers: CNTK heeft productief gewerkt in informatieperikelen die het overgebrachte leren extra ondersteunen.
• Niet te onderscheiden toolbox binnen en buiten: u zou op geen enkele manier in gevaar worden gebracht, omdat dezelfde toolkit wordt gebruikt door interne productgroepen bij Microsoft.

Hoe moet u Computational Network Toolkit (CNTK) gebruiken voor ML deep learning framework?

De Computational Network Toolkit, of CNTK, is een diepgaande leerstructuur gemaakt door Microsoft Research. CNTK portretteert neurale systemen als een vooruitgang van computationele stappen door middel van een gecoördineerd diagram. In dit diagram geven leaf hubs input esthetems of systeemparameters weer, terwijl verschillende hubs roosteractiviteiten op informatie weergeven. CNTK laat klanten effectief typerende modelsoorten effectief typeren en coördineren, bijvoorbeeld feed-forward DNN's, convolutionele netwerken (CNN's) en repetitieve systemen (RNN's / LSTM's). Het voert stochastische hellinginspring (SGD, blunder backpropagation) leren uit met geprogrammeerde scheiding en parallellisatie over verschillende GPU's en servers. Geschreven in C ++, werd de onderneming geloosd onder de MIT-vergunning. CNTK ondersteunt nu Windows- en Linux-podia. Het bevordert eveneens modularisering, waarbij een partitie wordt onderhouden tussen berekeningsarrangementen, de uitvoeringsmotor, leerberekeningen en modelafbeeldingen. CNTK heeft drie primaire gunstige omstandigheden ten opzichte van alternatieve structuren:

• Efficiëntie: Kan generatie frameworks snel voorbereiden
• Prestaties: kan geavanceerde uitvoering bereiken op benchmarks en generatiekaders
• Flexibiliteit: kan verschillende opdrachten ondersteunen, bijvoorbeeld discours, beeld en bericht, en kan snel met nieuwe gedachten experimenteren

CNTK ondersteunt opschalen naar GPU-groepen uit de kist. Dit omvat aangepast neuraal systeem dat zich voorbereidt op groepen van vrijwel elke grootte, waardoor de toolbox waardevol wordt voor specialisten die beginnen, nieuwe bedrijven met expliciete doelen, en wetenschappers met een enorme behoefte (en coördinerende apparatuuropbrengst). CNTK geeft enige bruikbaarheid die open source kansspelers niet hebben nu, waardoor nader onderzoek bijzonder aantrekkelijk wordt.

Een andere gunstige positie van CNTK is het NDL-dialect voor systeemafbeeldingen. Het is goed mogelijk dat het gebruik van de instellingsdocumenten nuttig is voor snelle prototypen. Voor de mensen die meer willen demonstreren dan programmeren, is dit een verstandige afspraak. In de computerwereld is het schrijven van computerprogramma's een ongelukkige verplichting, en het kan dus verkwikkend zijn om dit te doen.

Het heeft bovendien een paar hindernissen – de nonattendance van andere dialectsteun, vergelijkbaar met Python, is een belemmering voor CNTK in deze begintijd. In de hoop om de bevestiging te versterken, is het van fundamenteel belang om de huidige software-engineers de apparatuur te geven om in bestaande pijplijnen te coördineren. Vanaf eind CNTK heeft zich geconcentreerd op het discours informeren over netwerken. Vervolgens zijn de meest significante rekenuitvoeringscapaciteiten niet opmerkelijk voor de meer uitgebreide kunstmatige intelligentie-groep. Bij Offshore Software Solutions gebruiken we de kracht van CNTK om u webtools als nooit tevoren te geven. U kunt hier onze services bekijken. www.offshoresoftware.solutions