Catatan Rilis CNTK v2.7
Komunitas yang terhormat,
Dengan kontribusi berkelanjutan kami terhadap ONNX dan ONNX Runtime, kami telah mempermudah interoperaksi dalam ekosistem kerangka kerja AI dan untuk mengakses performa tinggi, kemampuan inferensi lintas platform untuk model ML tradisional dan jaringan neural yang mendalam. Selama beberapa tahun terakhir, kami telah memiliki hak istimewa untuk mengembangkan proyek pembelajaran mesin sumber terbuka utama tersebut, termasuk Microsoft Cognitive Toolkit, yang telah memungkinkan penggunanya untuk memanfaatkan kemajuan di seluruh industri dalam pembelajaran mendalam dalam skala besar.
Rilis 2.7 hari ini akan menjadi rilis utama CNTK terakhir. Kami mungkin memiliki beberapa rilis minor berikutnya untuk perbaikan bug, tetapi ini akan dievaluasi berdasarkan kasus per kasus. Tidak ada rencana untuk pengembangan fitur baru pasca rilis ini.
Rilis CNTK 2.7 memiliki dukungan penuh untuk ONNX 1.4.1, dan kami mendorong mereka yang berusaha mengoptimalisasikan model CNTK mereka untuk memanfaatkan ONNX dan ONNX Runtime. Ke depannya, pengguna dapat terus memanfaatkan inovasi ONNX yang berkembang melalui jumlah kerangka kerja yang mendukungnya. Misalnya, pengguna dapat secara asli mengekspor model ONNX dari PyTorch atau mengonversi model TensorFlow ke ONNX dengan konverter TensorFlow-ONNX.
Kami sangat berterima kasih atas semua dukungan yang kami terima dari kontributor dan pengguna selama bertahun-tahun sejak rilis sumber terbuka awal CNTK. CNTK telah memungkinkan tim Microsoft dan pengguna eksternal untuk menjalankan beban kerja yang kompleks dan berskala besar dengan semua cara aplikasi pembelajaran mendalam, seperti terobosan historis dalam pengenalan ucapan yang dicapai oleh peneliti Microsoft Speech, penangkap kerangka kerja.
Karena ONNX semakin banyak digunakan dalam melayani model yang digunakan di seluruh produk Microsoft seperti Bing dan Office, kami berdedikasi untuk mensintesis inovasi dari penelitian dengan tuntutan produksi yang ketat untuk maju ke depan ekosistem.
Di atas semua itu, tujuan kami adalah untuk membuat inovasi dalam pembelajaran mendalam di seluruh tumpukan perangkat lunak dan perangkat keras yang terbuka dan dapat diakses. Kami akan bekerja keras untuk membawa kekuatan CNTK yang ada dan penelitian canggih baru ke dalam proyek sumber terbuka lainnya untuk benar-benar memperluas jangkauan teknologi tersebut.
Dengan rasa terima kasih,
-- Tim CNTK
Sorotan dari rilis ini
- Dipindahkan ke CUDA 10 untuk Windows dan Linux.
- Mendukung perulangan RNN lanjutan dalam ekspor ONNX.
- Ekspor model yang lebih besar dari 2GB dalam format ONNX.
- Mendukung FP16 dalam tindakan pelatihan Brain Script.
Dukungan CNTK untuk CUDA 10
CNTK sekarang mendukung CUDA 10. Ini memerlukan pembaruan untuk membangun lingkungan ke Visual Studio 2017 v15.9 untuk Windows.
Untuk menyiapkan lingkungan build dan runtime di Windows:
- Instal Visual Studio 2017. Catatan: ke depan untuk CUDA 10 dan seterusnya, tidak lagi diperlukan untuk menginstal dan menjalankan dengan Alat VC tertentu versi 14.11.
- Menginstal Nvidia CUDA 10
- Dari PowerShell, jalankan: DevInstall.ps1
- Mulai Visual Studio 2017 dan buka CNTK.sln.
Untuk menyiapkan lingkungan build dan runtime di Linux menggunakan docker, buat gambar docker Unbuntu 16.04 menggunakan Dockerfiles di sini. Untuk sistem Linux lainnya, silakan lihat Dockerfiles untuk menyiapkan pustaka dependen untuk CNTK.
Mendukung perulangan RNN lanjutan dalam ekspor ONNX
Model CNTK dengan perulangan rekursif dapat diekspor ke model ONNX dengan operasi pemindaian.
Mengekspor model yang lebih besar dari 2GB dalam format ONNX
Untuk mengekspor model yang lebih besar dari 2GB dalam format ONNX, gunakan cntk. API Fungsi: simpan(self, filename, format=ModelFormat.CNTKv2, use_external_files_to_store_parameters=False) dengan 'format' diatur ke ModelFormat.ONNX dan use_external_files_to_store_parameters diatur ke True. Dalam hal ini, parameter model disimpan dalam file eksternal. Model yang diekspor harus digunakan dengan file parameter eksternal saat melakukan evaluasi model dengan onnxruntime.
2018-11-26.
Netron sekarang mendukung visualisasi file CNTK v1 dan CNTK v2 .model .
