CNTK v.2.0 发行说明

这是 Microsoft Cognitive Toolkit V2 的第一个生产版本。 我们希望感谢提供宝贵反馈和贡献的人。 此版本不会发生，没有它们。

此版本的亮点

• Keras 的CNTK后端
• 使用 Halide 的极快二进制卷积
• Java API

Keras 的CNTK后端

我们很高兴将 CNTK 作为 Keras 的后端，作为 beta 版，我们的粉丝们要求此功能。 尽管还有待完成的功能和性能工作，但我们赞赏早期反馈，以帮助我们烘焙 Keras 支持。 有关安装说明和其他详细信息，请参阅 此页面。

带 Halide 的二元卷积

此版本包括 实现 二元卷积网络训练的示例， (查看 Courbariaux 等) 人的 BinaryConnect ，以及高度优化的本机 C++ 实现，以便快速评估二进制卷积模型。 C++ 二元卷积实现利用 Halide 框架 ，以充分利用新式 CPU 上提供的多线程和矢量指令。 其运行速度高达 10 倍，比训练并计算的等效卷积网络快 32 位浮点精度。

CNTK Java API

从 CNTK V.2.0 RC 3 开始，添加了一个 Java API，以支持 Windows 和 Linux 上的 Java 中的模型评估。 请注意，API 仍是 实验 性的，可能会发生更改。 非常感谢来自社区的反馈。 请参阅 此页面的详细信息。

新增功能

• 随机变量现在可以用作图形的一部分。 现在，模块下cntk.random有以下内容：uniform、normal、bernoulligumbel以及具有 (的对应_like模块，例如 uniform_like) 。
• 新学习者：通用学习器使用 CNTK 图形作为更新机制。
• 换行、training_session换行Trainer的新Evaluator高级train()和test()函数。 有关用法示例，请参阅 Examples/1stSteps 和 Tutorials/CNTK_200_GuidedTour.ipynb。
• training_session，train()test()现在还接受 numpy/scipy 数组形式的数据，除了数据读取器) 之外，还接受数据读取器 (。 基于在读取器中包装 numpy/scipy 数组的新类 MinibatchSourceFromData 的基础上构建。

中断性变更

此版本包含以下 重大更改：

• C++ ReaderCrop API:
  • cropSize，sideRatio现在aspectRatio取std::pair而代之scalar。 areaRatio
  • cropSize：采用 width 和 height。
  • sideRatio，areaRatio取aspectRatiomin值和max值。
• 从 CNTK V.2.0 RC3 开始，cntk.ops.input已cntk.ops.sequence.input弃用。 我们恢复为使用 input_variable 和 sequence.input_variable。 与旧 input_variable 行为的区别在于 cntk.ops.input_variable 默认情况下不再具有动态轴。
• source和mb_sizeCrossValidationConfig参数TestConfig已重命名为minibatch_source和 minibatch_size。 如果使用旧参数，将显示弃用消息。

CNTK NuGet包

此版本 (版本 2.0.0) 提供了一组新的NuGet包。