1月25日，微软在GitHub上发布了其深度学习工具包Computational Network Toolkit（简称CNTK）。 CNTK是一个统一的深度学习工具包，它通过一个有向图将神经网络描述为一系列计算步骤。在有向图中，叶节点表示输入值或网络参数，边表示输入之上的矩阵运算。CNTK使得实现和组合前馈型神经网络DNN、卷积神经网络（CNN）和循环神经网络(RNNs/LSTMs)变得非常容易。实现了支持跨多个GPU和服务器自动分化和并行化的随机梯度下降（SGD）学习。 微软首席语音科学家黄学东提到，已经证明CNTK比开发者在创建语音和图像识别的深度学习模型时常用的其他四个工具包性能要好，具体如下图所示。在快速变化的深度学习领域，这种性能优势非常重要，因为很多复杂的深度学习任务往往要花掉数周时间。 CNTK的优势是，不管是一台计算机，还是大规模GPU集群，都能使用。在内部，微软是在使用了GPU的一组强大的计算机上使用CNTK。 Hacker News上有人评论说：“先是TensorFlow，然后是百度的Warp-CTC，现在有了微软的CNTK，对于开源机器学习而言，真是一个激动人心的时代。” 感兴趣的读者可以点击“阅读原文”，在GitHub上查看CNTK的具体信息。 今日推荐 正文中的性能对比中，提到了TensorFlow。对机器学习和TensorFlow感兴趣的读者可以看看databricks的博客上发布的一篇文章：Deep Learning with Spark and TensorFlow （https://databricks.com/blog/2016/01/25/deep-learning-with-spark-and-tensorflow.html）。 Google的深度学习课程：Deep LearningTaking machine learning to the next level （https://www.udacity.com/course/deep-learning--ud730）。机器学习是目前成长最快、最为激动人心的领域，而深度学习又是其中真正前沿的技术。这门课程会让大家清楚地了解深度学习的动机，进而设计能够从复杂的大规模数据集学习的智能系统。 本文转载自：微信公众账号 - 开发资讯，版权归原作者所有！ |
|
声明：文章版权归原作者所有 部分文章转自互联网 如有侵权请联系
[邮箱地址] 删除
|
注册
登录
