CNTK v2.7 Sürüm Notları

Sevgili topluluk,

ONNX ve ONNX Çalışma Zamanı'na sürekli katkılarımızla yapay zeka çerçevesi ekosisteminde birlikte çalışma ve hem geleneksel ML modelleri hem de derin sinir ağları için yüksek performanslı, platformlar arası çıkarım özelliklerine erişmeyi kolaylaştırdık. Son birkaç yılda, kullanıcılarının büyük ölçekte derin öğrenme alanındaki sektör genelindeki ilerlemelerden yararlanmalarını sağlayan Microsoft Cognitive Toolkit de dahil olmak üzere bu tür önemli açık kaynak makine öğrenmesi projeleri geliştirme ayrıcalığına sahip olduk.

Bugünün 2.7 sürümü, CNTK'nin son ana sürümü olacak. Hata düzeltmeleri için sonraki bazı küçük sürümlere sahip olabiliriz, ancak bunlar tek tek değerlendirilecektir. Bu sürümden sonra yeni özellik geliştirme planı yoktur.

CNTK 2.7 sürümü ONNX 1.4.1 için tam desteğe sahiptir ve CNTK modellerini ONNX ve ONNX Çalışma Zamanı'nın avantajlarından yararlanmak için kullanıma hazır hale getirmek isteyenleri teşvik ediyoruz. İleriye doğru, kullanıcılar bunu destekleyen çerçevelerin sayısı aracılığıyla gelişen ONNX yeniliklerinden yararlanmaya devam edebilir. Örneğin, kullanıcılar OnNX modellerini PyTorch'tan yerel olarak dışarı aktarabilir veya TensorFlow-ONNX dönüştürücüsüyle TensorFlow modellerini ONNX'e dönüştürebilir.

CNTK'nin ilk açık kaynak sürümünden bu yana yıllar boyunca katkıda bulunanlardan ve kullanıcılardan aldığımız tüm destek için inanılmaz derecede minnettarız. CNTK, hem Microsoft ekiplerinin hem de dış kullanıcıların karmaşık ve büyük ölçekli iş yüklerini, çerçeveyi oluşturan Microsoft Konuşma araştırmacıları tarafından elde edilen konuşma tanımada geçmişteki gelişmeler gibi derin öğrenme uygulamalarıyla yürütmesini sağlamıştır.

ONNX, Bing ve Office gibi Microsoft ürünlerinde kullanılan modellerin sunulmasında giderek daha fazla kullanıldığından, ekosistemi ileriye doğru ilerletmek için üretimin zorlu talepleri ile araştırmalardan gelen yenilikleri sentezleyeceğiz.

Her şeyden önce hedefimiz, yazılım ve donanım yığınları genelinde derin öğrenme alanındaki yenilikleri mümkün olduğunca açık ve erişilebilir hale getirmektir. CNTK'nin mevcut güçlü yanlarını ve yeni son teknoloji araştırmalarını, bu tür teknolojilerin erişimini gerçekten genişletmek için diğer açık kaynak projelerine getirmek için çok çalışacağız.

Minnettarlığımla,

-- CNTK Ekibi

Bu sürümün öne çıkan özellikleri

  • Hem Windows hem de Linux için CUDA 10'a taşındı.
  • ONNX dışarı aktarmada gelişmiş RNN döngüsünü destekleme.
  • 2 GB'tan büyük modelleri ONNX biçiminde dışarı aktarın.
  • Beyin Betiği eğit eyleminde FP16 desteği.

CUDA 10 için CNTK desteği

CNTK artık CUDA 10'a destek oluyor. Bu, Windows için Visual Studio 2017 v15.9'a ortam derlemek için bir güncelleştirme gerektirir.

Windows'da derleme ve çalışma zamanı ortamını ayarlamak için:

  • Visual Studio 2017'yi yükleyin. Not: CUDA 10 ve sonrasında, artık belirli VC Araçları sürüm 14.11'i yüklemek ve çalıştırmak için gerekli değildir.
  • Nvidia CUDA 10'u yükleme
  • PowerShell'den şunu çalıştırın: DevInstall.ps1
  • Visual Studio 2017'i başlatın ve CNTK.sln dosyasını açın.

Docker kullanarak Linux üzerinde derleme ve çalışma zamanı ortamı ayarlamak için lütfen burada Dockerfiles kullanarak Unbuntu 16.04 docker görüntüsü derleyin. Diğer Linux sistemleri için bkz. CNTK için bağımlı kitaplıkları ayarlamak için Dockerfiles.

ONNX dışarı aktarmada gelişmiş RNN döngüsü desteği

Özyinelemeli döngülere sahip CNTK modelleri tarama işlemleriyle ONNX modellerine aktarılabilir.

2 GB'tan büyük modelleri ONNX biçiminde dışarı aktarma

2 GB'tan büyük modelleri ONNX biçiminde dışarı aktarmak için cntk kullanın. İşlev API'si: Save(self, filename, format=ModelFormat.CNTKv2, use_external_files_to_store_parameters=False) ve 'format' ModelFormat.ONNX ve use_external_files_to_store_parameters True olarak ayarlanır. Bu durumda, model parametreleri dış dosyalara kaydedilir. Dışarı aktarılan modeller, onnxruntime ile model değerlendirmesi yaparken dış parametre dosyalarıyla birlikte kullanılmalıdır.

2018-11-26.
Netron artık CNTK v1 ve CNTK v2 .model dosyalarını görselleştirmeyi destekliyor.

NetronCNTKDark1NetronCNTKLight1