Informacje o wersji CNTK v2.7

Szanowna społeczność,

Dzięki ciągłemu współtworzeniu środowiska ONNX i środowiska uruchomieniowego ONNX ułatwiliśmy współdziałanie w ekosystemie struktury sztucznej inteligencji oraz dostęp do wysokiej wydajności, międzyplatformowych możliwości wnioskowania zarówno dla tradycyjnych modeli uczenia maszynowego, jak i głębokich sieci neuronowych. W ciągu ostatnich kilku lat mieliśmy zaszczyt opracowywać takie kluczowe projekty uczenia maszynowego typu open source, w tym zestaw narzędzi Microsoft Cognitive Toolkit, który umożliwił swoim użytkownikom wykorzystanie rozwoju w całej branży w uczeniu głębokim na dużą skalę.

Dzisiejsza wersja 2.7 będzie ostatnią główną wersją CNTK. Możemy mieć kilka kolejnych wersji pomocniczych poprawek błędów, ale będą one oceniane w poszczególnych przypadkach. W tej wersji nie ma planów dotyczących tworzenia nowych funkcji.

Wersja CNTK 2.7 ma pełną obsługę ONNX 1.4.1 i zachęcamy tych, którzy starają się zoperacjonalizować swoje modele CNTK, aby korzystać z ONNX i środowiska uruchomieniowego ONNX. W przyszłości użytkownicy mogą nadal korzystać ze zmieniających się innowacji ONNX za pośrednictwem liczby platform, które go obsługują. Na przykład użytkownicy mogą natywnie eksportować modele ONNX z biblioteki PyTorch lub konwertować modele TensorFlow na ONNX za pomocą konwertera TensorFlow-ONNX.

Jesteśmy niezwykle wdzięczni za wszystkie wsparcie otrzymane od współautorów i użytkowników od czasu początkowej wersji open source CNTK. CNTK umożliwiło zespołom firmy Microsoft i użytkownikom zewnętrznym wykonywanie złożonych i dużych obciążeń we wszystkich aplikacjach uczenia głębokiego, takich jak historyczne przełomy w rozpoznawaniu mowy osiągnięte przez badaczy usługi Microsoft Speech, twórców platformy.

Ponieważ ONNX jest coraz częściej wykorzystywany w obsłudze modeli używanych w produktach firmy Microsoft, takich jak Bing i Office, jesteśmy dedykowani do synchronizowania innowacji z badań z rygorystycznymi wymaganiami produkcji w celu rozwoju ekosystemu.

Przede wszystkim naszym celem jest wprowadzanie innowacji w uczeniu głębokim w obrębie stosów oprogramowania i sprzętu tak otwartych i dostępnych, jak to możliwe. Będziemy ciężko pracować, aby przynieść zarówno istniejące mocne strony CNTK, jak i nowe najnowocześniejsze badania nad innymi projektami open source, aby naprawdę poszerzyć zasięg takich technologii.

Z wdzięcznością,

-- Zespół CNTK

Najważniejsze informacje o tej wersji

• Przeniesiono do interfejsu CUDA 10 dla systemów Windows i Linux.
• Obsługa zaawansowanej pętli RNN w eksporcie ONNX.
• Eksportuj modele większe niż 2 GB w formacie ONNX.
• Obsługa akcji trenowania skryptu mózgu FP16.

Obsługa CNTK dla CUDA 10

CnTK obsługuje teraz cuda 10. Wymaga to aktualizacji środowiska kompilacji do programu Visual Studio 2017 w wersji 15.9 dla systemu Windows.

Aby skonfigurować środowisko kompilacji i środowiska uruchomieniowego w systemie Windows:

• Zainstaluj program Visual Studio 2017. Uwaga: w przyszłości dla cuda 10 i nowszych nie jest już wymagane zainstalowanie i uruchomienie z określonymi narzędziami VC w wersji 14.11.
• Instalowanie nvidia CUDA 10
• W programie PowerShell uruchom polecenie: DevInstall.ps1
• Uruchom program Visual Studio 2017 i otwórz CNTK.sln.

Aby skonfigurować środowisko kompilacji i środowiska uruchomieniowego w systemie Linux przy użyciu platformy Docker, skompiluj obraz platformy Dobuntu 16.04 platformy Docker przy użyciu plików Dockerfiles tutaj. W przypadku innych systemów Linux zapoznaj się z plikami Dockerfile, aby skonfigurować biblioteki zależne dla bibliotek CNTK.

Obsługa zaawansowanej pętli RNN w eksporcie ONNX

Modele CNTK z cyklicznych pętli można eksportować do modeli ONNX za pomocą operacji skanowania.

Eksportowanie modeli większych niż 2 GB w formacie ONNX

Aby wyeksportować modele większe niż 2 GB w formacie ONNX, użyj cntk. Interfejs API funkcji: save(self, nazwa pliku, format=ModelFormat.CNTKv2, use_external_files_to_store_parameters=False) z wartością "format" ustawioną na Wartość ModelFormat.ONNX i use_external_files_to_store_parameters ustawioną na wartość True. W takim przypadku parametry modelu są zapisywane w plikach zewnętrznych. Eksportowane modele są używane z zewnętrznymi plikami parametrów podczas oceny modelu przy użyciu parametrów onnxruntime.

2018-11-26.
netron obsługuje teraz wizualizowanie plików .model CNTK v1 i CNTK v2.