CNTK v2.7 版本資訊

  • 發行項

好人社群，

透過對 ONNX 和 ONNX 執行時間的持續貢獻，我們可讓您更輕鬆地在 AI 架構生態系統中交互操作，並存取傳統 ML 模型和深度神經網路的高效能、跨平臺推斷功能。 在過去幾年，我們有權開發這類重要的開放原始碼機器學習專案，包括Microsoft Cognitive Toolkit，可讓使用者大規模運用全產業的深度學習進展。

現今的 2.7 版本將是 CNTK 的最後一個主要版本。 我們可能會有一些後續的次要版本進行錯誤修正，但這些版本會逐一評估。 此版本後沒有新功能開發的計畫。

CNTK 2.7 版本具有 ONNX 1.4.1 的完整支援，我們鼓勵想要讓 CNTK 模型運作，以利用 ONNX 和 ONNX 執行時間。 接下來，使用者可以透過支援 ONNX 的架構數目，繼續運用不斷演進的 ONNX 創新。 例如，使用者可以以原生方式從 PyTorch 匯出 ONNX 模型，或使用 TensorFlow-ONNX 轉換器將 TensorFlow 模型轉換為 ONNX。

自 CNTK 的初始開放原始碼版本起，我們對於來自參與者和使用者的所有支援都非常重要。 CNTK 已讓 Microsoft 小組和外部使用者能夠以深度學習應用程式的所有方式執行複雜且大規模的工作負載，例如 Microsoft 語音研究人員所達成語音辨識的歷史突破，也就是架構的產生者。

隨著 ONNX 逐漸採用在 Bing 和 Office 等 Microsoft 產品中使用的模型時，我們專門用來合成來自研究的創新，以及嚴格的生產需求，以推動生態系統的前進。

最重要的是，我們的目標是盡可能開放且無障礙地在軟體和硬體堆疊之間進行深度學習創新。 我們將努力將 CNTK 的現有優勢和新的最新研究帶入其他開放原始碼專案，以真正擴大這類技術的範圍。

使用擷

-- CNTK 小組

這版的重點

  • 已針對 Windows 和 Linux 移至 CUDA 10。
  • 支援 ONNX 匯出中的進階 RNN 迴圈。
  • 以 ONNX 格式匯出大於 2GB 的模型。
  • 在腦力腳本訓練動作中支援 FP16。

CUDA 10 的 CNTK 支援

CNTK 現在支援 CUDA 10。 這需要更新，才能將環境建置至 Visual Studio 2017 v15.9 for Windows。

在 Windows 上設定組建和執行時間環境：

若要使用 Docker 在 Linux 上設定建置和執行時間環境，請 在這裡使用 Dockerfiles 建置 Unbuntu 16.04 Docker 映射。 如需其他 Linux 系統，請參閱 Dockerfiles 以設定 CNTK 的相依程式庫。

支援 ONNX 匯出中的進階 RNN 迴圈

具有遞迴迴圈的 CNTK 模型可以匯出至具有掃描工作的 ONNX 模型。

以 ONNX 格式匯出大於 2GB 的模型

若要以 ONNX 格式匯出大於 2GB 的模型，請使用 cntk。函式 API：儲存 (self、filename、format=ModelFormat.CNTKv2、use_external_files_to_store_parameters=False) ，並將 'format' 設定為 ModelFormat.ONNX，use_external_files_to_store_parameters設定為 True。 在此情況下，模型參數會儲存在外部檔案中。 使用 onnxruntime 執行模型評估時，匯出的模型應該與外部參數檔案搭配使用。

2018-11-26.
Netron 現在支援將 CNTK v1 和 CNTK v2 .model 檔案視覺化。

NetronCNTKDark1NetronCNTKLight1