""

Il cervello di Microsoft è attualmente accessibile a chiunque possa usarlo nelle loro applicazioni. L'organizzazione ha rilasciato pubblicamente l'intelligenza artificiale che utilizza per controllare il riconoscimento del discorso nella sua mano destra avanzata di Cortana e nelle applicazioni di traduzione di Skype. Ciò implica che a chiunque sul pianeta sia attualmente consentito vedere, regolare e utilizzare il codice di Microsoft nel proprio prodotto.

Il sistema, chiamato CNTK, dipende da una parte dell'intelligenza artificiale chiamata deep learning, che mira a consentire alle macchine di fare cose come percepire fotografie e registrazioni o comprendere il discorso umano copiando la struttura e gli elementi del cervello umano. Mostri tecnologici come Microsoft, Google e Facebook hanno posto intensamente in una profonda ricerca di apprendimento per un periodo piuttosto lungo, avventurandosi a un livello così estremo da arruolare un gran numero di scolastici che hanno guidato il settore. Allo stato attuale, allo stesso modo in cui gli scolastici distribuiscono la loro esplorazione in modo che possa essere investigata e progredita da diversi specialisti, queste organizzazioni stanno scaricando la loro profonda programmazione di apprendimento allo stesso modo.

In precedenza, Google pubblicizzava pubblicamente il suo motore brainpower TensorFlow, che l'organizzazione utilizza per un numero enorme di proprie applicazioni, incorporando riconoscimento vocale in Android e persino il suo indice web leader. In poco tempo, Facebook ha rilasciato pubblicamente strutture per attrezzature personalizzate destinate a eseguire i più recenti calcoli AI e il più grande web crawler cinese, Baidu, ha rilasciato pubblicamente il suo ragionamento computerizzato per preparare la programmazione.

Microsoft ha veramente scaricato CNTK, che è paragonabile da numerosi punti di vista a TensorFlow di Google, in aprile, mesi prima che Google scarichi il proprio sistema, eppure il codice era limitato all'uso non commerciale. Attualmente Microsoft consente a chiunque, incluse le imprese, di utilizzare CNTK per qualsiasi cosa desideri.

Cos'è il CNTK?

Computational Network Toolkit (CNTK) è un pacchetto di prodotti che semplifica la struttura e il test dei sistemi computazionali, ad esempio i sistemi neurali profondi. Un sistema di calcolo è uno stile di calcolo in cui le informazioni si muovono attraverso un grafico e i calcoli si verificano negli hub del diagramma. L'obiettivo di un sistema computazionale è quello di prendere informazioni importanti, modificare le informazioni attraverso un sistema di calcoli di base e successivamente creare almeno un rendimento. Il rendimento è spesso un tipo di scelta che dipende dai punti salienti delle informazioni. Un sistema di calcolo può assumere numerose strutture, ad esempio feed-forward, ricorsivo o convoluzionale e incorpora diversi tipi di calcoli e non-linearità. I parametri del sistema vengono migliorati per fornire il risultato "migliore " concepibile per una determinata disposizione di informazioni e un criterio di avanzamento

  • CNTK è una risposta generale per la preparazione e il test di numerosi tipi di sistemi neurali
  • Un client indica un sistema che utilizza un record di arrangiamento di contenuto diretto. Il record di progettazione indica il tipo di sistema, dove trovare le informazioni e come migliorare i parametri. Questi parametri del piano sono definiti nel documento di installazione.
  • CNTK ha lo scopo di inserire costantemente lo stesso numero di calcoli su una GPU, se accessibile, come previsto nelle circostanze. Questi tipi di sistemi computazionali sono tutt'altro che difficili da vettorializzare e adattarsi piacevolmente alle GPU. CNTK è buono con le GPU che aiutano le condizioni di programmazione CUDA.
  • CNTK verifica naturalmente le filiali necessarie in modo da riprodurre efficacemente i miglioramenti essenziali. I sistemi sono costituiti da numerosi componenti semplici e CNTK è in grado di monitorare le sottigliezze per salvaguardare l'avanzamento effettivo.
  • Il CNTK può essere raggiunto includendo piccole misure del codice C ++ per attualizzare i quadrati vitali. Le nuove informazioni per utenti, non linearità e capacità target sono tutt'altro che difficili da includere.

Vantaggi di CNTK rispetto a TensorFlow

CNTK ha una posizione favorevole su TensorFlow per individui al di fuori della comunità accademica: può sfruttare l'intensità di numerosi server nel frattempo. Ciò è di vitale importanza per il fatto che non è raro che un PC solitario sia sufficientemente sorprendente per gestire una vera e propria applicazione di forza lavoro umana, ad esempio, il riconoscimento del discorso su un'applicazione utilizzata da un gran numero di individui. All'interno, Google probabilmente utilizza TensorFlow su un numero enorme di server contemporaneamente. Comunque sia, la variante di Google scaricata nella società generale, dice Huang, non può essere utilizzata in questo senso. A dire il vero, un paio di strutture di apprendimento profonde diverse dal sostegno CNTK su vari server ideali fuori dal caso, tuttavia è concepibile per altre programmazioni open source, ad esempio, Torch, che viene utilizzata da Facebook e Google.

Come indicato dal tentativo interno di Microsoft, CNTK è sostanzialmente più produttivo di altri apparati di apprendimento profondi open source. È inoltre uno dei pochi e profondi sistemi di apprendimento che sono alla base di Microsoft Windows. Uno degli svantaggi, tuttavia, è che la struttura supporta solo C ++ e il suo dialetto personalizzato, che può rendere progressivamente problematico l'utilizzo da parte di alcuni designer. In ogni caso, Microsoft intende includere il sostegno per i famosi dialetti di programmazione Python – probabilmente il dialetto più ampiamente riconosciuto tra gli specialisti di ragionamento artificiale – e C # prima o poi. Inoltre, attualmente che è open source, gli ingegneri del software avranno la capacità di includere il sostegno per i loro dialetti più amati.

Microsoft Cognitive Toolkit è la struttura di apprendimento più rapida e profonda sul mercato e offre numerosi punti di interesse su diversi sistemi per i progettisti. Eppure, è solo il terzo strumento di apprendimento profondo più mainstream fino a GitHub, dietro a TensorFlow e Caffe. Microsoft è estremamente certa dell'esecuzione e delle capacità di Cognitive Toolkit, che attualmente devono estendere il proprio raggio di azione ai progettisti e alla rete di esami.

Esse spesso provano le persone chiedendo loro per quale ragione qualcuno avrebbe bisogno di utilizzare CNTK piuttosto che TensorFlow. Per rispondere alle domande, ora hanno pubblicato un articolo che richiama l'attenzione sui motivi della CNTK. 8 motivi per cui dovresti passare da TensorFlow a CNTK includono:

  • Velocità: CNTK è molto più veloce di TensorFlow e tende a essere 5-10 volte più veloce nei sistemi intermittenti.
  • Esattezza : il CNTK può essere utilizzato per preparare modelli di apprendimento profondi con la precisione migliore della classe.
  • Struttura dell'interfaccia di programmazione: CNTK ha un'incredibile API C ++ e allo stesso tempo ha sia a basso livello che a semplice utilizzo di API Python di stato anormale pianificate con una visione del mondo di programmazione pratica.
  • Versatilità: CNTK può essere facilmente ridimensionato rispetto a moltissime GPU.
  • Surmising: CNTK ha il supporto di induzione C # /. NET / Java che rende semplice coordinare la valutazione CNTK nelle applicazioni client.
  • Estensibilità: CNTK può essere efficacemente esteso da Python per i livelli e gli studenti.
  • Lavorato nei perusers: CNTK ha lavorato in modo produttivo in termini di informazione che rafforzano ulteriormente l'apprendimento trasmesso.
  • Casella degli strumenti interna ed esterna indistinguibile: non verrebbe compromesso in alcun modo perché lo stesso toolkit viene utilizzato dai gruppi di prodotti interni di Microsoft.

Come dovresti iniziare a utilizzare Computational Network Toolkit (CNTK) per il framework di deep learning ML?

Computational Network Toolkit, o CNTK, è una struttura di apprendimento profonda creata da Microsoft Research. CNTK descrive i sistemi neurali come una progressione dei passi computazionali attraverso un diagramma coordinato. In questo diagramma, gli hub delle foglie ritraggono valori di input o parametri di sistema, mentre diversi hub mostrano attività di reticolo sulle informazioni. CNTK consente ai client di tipizzare e coordinare in modo efficace tipi di modelli prevalenti, ad esempio DNN feed-forward, reti convoluzionali (CNN) e sistemi ripetitivi (RNN / LSTM). Esegue l'apprendimento del salto di pendenza stocastico (SGD, blunder backpropagation) con separazione e parallelizzazione programmate su varie GPU e server. Scritto in C ++, l'impresa è stata scaricata sotto il permesso del MIT. CNTK ora rafforza le fasi di Windows e Linux. Allo stesso modo avanza la modularizzazione, mantenendo una partizione tra gli arrangiamenti di calcolo, il motore di esecuzione, i calcoli di apprendimento e le rappresentazioni del modello. CNTK ha tre circostanze favorevoli primarie su strutture alternative:

  • Efficienza: può preparare rapidamente quadri di generazione
  • Prestazioni: può eseguire l'esecuzione all'avanguardia su commissioni di riferimento e framework di generazione
  • Flessibilità: può sostenere diversi incarichi, ad esempio discorso, immagine e messaggio, e può sperimentare rapidamente nuovi pensieri

CNTK rafforza la scalabilità verso i gruppi GPU fuori dalla cassa. Questo incorpora un sistema neurale appropriato che si prepara su gruppi di qualsiasi dimensione, rendendo la cassetta degli attrezzi preziosa per gli specialisti che iniziano, nuove aziende con scopi espliciti e scienziati con un desiderio su vasta scala (e coordinando la resa delle attrezzature). CNTK dà qualche utilità che i contendenti open source non hanno, come ora hanno, rendendo l'ulteriore esame particolarmente attraente.

Un'altra posizione favorevole di CNTK è il dialetto NDL per le rappresentazioni del sistema. Esistono grandi possibilità che l'utilizzo dei documenti di configurazione sia utile per la prototipazione rapida. Per gli individui più interessati alla dimostrazione che alla programmazione, questa è una soluzione ragionevole. In macchina prendere il controllo di, la scrittura di programmi per computer è un obbligo sfortunato, e per quanto riguarda di conseguenza può essere rinvigorente.

Inoltre ha alcuni ostacoli: la mancata presenza di altri dispositivi di supporto dialettale, simile a Python, è un ostacolo alla CNTK in questo periodo iniziale. Quando si spera di amplificare il riconoscimento, dando agli attuali ingegneri del software gli apparati da coordinare in condutture esistenti è fondamentale. Alla fine del CNTK si è concentrato sul discorso informarsi sulle reti. Successivamente, le sue capacità di esecuzione computazionale più significative non sono da notare per il più ampio gruppo di persone di Intelligenza Artificiale. A Offshore Software Solutions sfruttiamo la potenza di CNTK per offrirti strumenti web come mai prima d'ora. Puoi controllare i nostri servizi qui. www.offshoresoftware.solutions