Zpráva k vydání verze CNTK verze 2.7
Drahá komunita,
Díky našim průběžným příspěvkům do PROSTŘEDÍ ONNX a modulu RUNTIME ONNX jsme usnadnili spolupráci v ekosystému architektury AI a přístup k vysoce výkonným možnostem odvozování napříč platformami pro tradiční modely ML i hluboké neurální sítě. V posledních několika letech jsme byli privilegovaní k vývoji takových klíčových opensourcových projektů strojového učení, včetně Microsoft Cognitive Toolkit, která svým uživatelům umožnila využívat oborové pokroky v hlubokém učení ve velkém měřítku.
Dnešní verze 2.7 bude poslední hlavní verzí CNTK. Možná máme několik dalších dílčích verzí pro opravy chyb, ale tyto verze se vyhodnotí podle případu. V této verzi nejsou žádné plány pro vývoj nových funkcí.
Verze CNTK 2.7 má plnou podporu pro ONNX 1.4.1 a doporučujeme, aby se jejich modely CNTK zprovoznily, aby využily výhod ONNX a modulu runtime ONNX. V budoucnu můžou uživatelé i nadále využívat vývoj inovací ONNX prostřednictvím počtu architektur, které ji podporují. Uživatelé mohou například nativně exportovat modely ONNX z PyTorch nebo převést modely TensorFlow na ONNX pomocí převaděče TensorFlow-ONNX.
Jsme neuvěřitelně vděční za veškerou podporu, kterou jsme obdrželi od přispěvatelů a uživatelů v průběhu let od počáteční opensourcové verze CNTK. CNTK umožňuje týmům Microsoftu i externím uživatelům provádět složité a rozsáhlé úlohy v nejrůznějších aplikacích hlubokého učení, jako jsou historické objevy rozpoznávání řeči dosažené výzkumníky Microsoft Speech, původci architektury.
Vzhledem k tomu, že ONNX se stále více využívá při poskytování modelů používaných napříč produkty Microsoftu, jako je Bing a Office, jsme vyhrazeni k syntetizaci inovací z výzkumu s přísnými požadavky výroby, aby se ekosystém dál pokroku.
Především naším cílem je co nejotevřenější a přístupnější inovace v hlubokém učení napříč softwarovými a hardwarovými zásobníky. Budeme tvrdě pracovat na tom, abychom přinesli stávající silné stránky CNTK i nový nejmodernější výzkum do jiných opensourcových projektů, abychom skutečně rozšířili dosah těchto technologií.
S poděkováním,
-- Tým CNTK
To nejdůležitější v této verzi
- Přesunuto do CUDA 10 pro Windows i Linux.
- Podpora pokročilé smyčky RNN v exportu ONNX
- Export větších než 2 GB modelů ve formátu ONNX
- Podpora FP16 v brain script akce trénování.
Podpora CNTK pro CUDA 10
CNTK teď podporuje CUDA 10. To vyžaduje aktualizaci pro sestavení prostředí pro Visual Studio 2017 v15.9 pro Windows.
Nastavení prostředí sestavení a modulu runtime ve Windows:
- Nainstalujte Visual Studio 2017. Poznámka: V budoucnu pro CUDA 10 a novější už není nutné instalovat a spouštět s konkrétními nástroji VC verze 14.11.
- Instalace Nvidia CUDA 10
- V PowerShellu spusťte: DevInstall.ps1
- Spusťte Visual Studio 2017 a otevřete CNTK.sln.
Pokud chcete nastavit prostředí sestavení a modulu runtime v Linuxu pomocí dockeru, sestavte sem image Dockeru 16.04 dockeru. V jiných systémech Linux si projděte soubory Dockerfile a nastavte závislé knihovny pro CNTK.
Podpora pokročilé smyčky RNN v exportu ONNX
Modely CNTK s rekurzivní smyčkou je možné exportovat do modelů ONNX s využitím operací prohledávání.
Export větších než 2 GB modelů ve formátu ONNX
Pokud chcete exportovat modely větší než 2 GB ve formátu ONNX, použijte cntk. Rozhraní API funkce: save(self, název souboru, format=ModelFormat.CNTKv2, use_external_files_to_store_parameters=False) s 'formátem' nastaveným na ModelFormat.ONNX a use_external_files_to_store_parameters nastavenou na Hodnotu True. V tomto případě se parametry modelu ukládají do externích souborů. Exportované modely se použijí s externími soubory parametrů při vyhodnocování modelu pomocí onnxruntime.
2018-11-26.
Netron teď podporuje vizualizaci souborů CNTK v1 a CNTK v2 .model
.