Note sulla versione di CNTK v2.7

Cara comunità,

Con i nostri contributi in corso per ONNX e ONNX Runtime, è stato reso più semplice l'interoperabilità all'interno dell'ecosistema del framework di intelligenza artificiale e l'accesso a prestazioni elevate, funzionalità di inferenza multipiattaforma per modelli di MACHINE tradizionali e reti neurali profonde. Negli ultimi anni abbiamo avuto la possibilità di sviluppare progetti di Machine Learning open source principali, inclusi i Microsoft Cognitive Toolkit, che hanno consentito agli utenti di sfruttare i progressi a livello di settore in deep learning su larga scala.

La versione 2.7 di oggi sarà l'ultima versione principale di CNTK. Potrebbero essere disponibili alcune versioni secondarie successive per le correzioni di bug, ma queste verranno valutate in base al caso. Non sono previsti piani per lo sviluppo di nuove funzionalità dopo questa versione.

La versione CNTK 2.7 ha il supporto completo per ONNX 1.4.1 e incoraggiamo coloro che cercano di rendere operativi i modelli CNTK per sfruttare ONNX e il runtime ONNX. In futuro, gli utenti possono continuare a sfruttare le innovazioni ONNX in evoluzione tramite il numero di framework che lo supportano. Ad esempio, gli utenti possono esportare in modo nativo modelli ONNX da PyTorch o convertire i modelli TensorFlow in ONNX con il convertitore TensorFlow-ONNX.

Siamo incredibilmente grati per tutto il supporto ricevuto da collaboratori e utenti nel corso degli anni dalla versione open source iniziale di CNTK. CNTK ha abilitato sia i team Microsoft che gli utenti esterni a eseguire carichi di lavoro complessi e su larga scala in tutte le modalità di deep learning, ad esempio le innovazioni storiche nel riconoscimento vocale ottenuto dai ricercatori di Riconoscimento vocale Microsoft, gli originatori del framework.

Poiché ONNX è sempre più impiegato nei modelli usati in prodotti Microsoft, ad esempio Bing e Office, siamo dedicati alla sintesi delle innovazioni dalla ricerca con le richieste rigorose di produzione per migliorare l'ecosistema in avanti.

Soprattutto, il nostro obiettivo è quello di apportare innovazioni in deep learning tra gli stack software e hardware il più possibile aperti e accessibili. Stiamo lavorando duramente per portare sia i punti di forza esistenti di CNTK che nuove ricerche di stato in altri progetti open source per ampliare veramente la copertura di tali tecnologie.

Con gratitudine,

-- Il team CNTK

Elementi da evidenziare in questa versione

• Spostato in CUDA 10 per Windows e Linux.
• Supportare il ciclo RNN anticipato nell'esportazione ONNX.
• Esportare modelli più grandi di 2 GB in formato ONNX.
• Supportare FP16 nell'azione di training di Brain Script.

Supporto CNTK per CUDA 10

CNTK supporta ora CUDA 10. Questo richiede un aggiornamento per compilare l'ambiente in Visual Studio 2017 v15.9 per Windows.

Per configurare l'ambiente di compilazione e runtime in Windows:

• Installare Visual Studio 2017. Nota: in futuro per CUDA 10 e oltre, non è più necessario installare ed eseguire con la specifica versione di VC Tools 14.11.
• Installare Nvidia CUDA 10
• Da PowerShell eseguire: DevInstall.ps1
• Avviare Visual Studio 2017 e aprire CNTK.sln.

Per configurare l'ambiente di compilazione e runtime in Linux usando docker, compilare l'immagine dobuntu 16.04 docker usando Dockerfiles qui. Per altri sistemi Linux, vedere Dockerfiles per configurare librerie dipendenti per CNTK.

Supporto del ciclo RNN anticipato nell'esportazione ONNX

I modelli CNTK con cicli ricorsivi possono essere esportati nei modelli ONNX con operazioni di analisi.

Esportare modelli più grandi di 2 GB in formato ONNX

Per esportare modelli più grandi di 2 GB in formato ONNX, usare cntk. API funzione: save(self, filename, format=ModelFormat.CNTKv2, use_external_files_to_store_parameters=False) con 'format' impostata su ModelFormat.ONNX e use_external_files_to_store_parameters impostata su True. In questo caso, i parametri del modello vengono salvati nei file esterni. I modelli esportati devono essere usati con file di parametri esterni durante l'esecuzione della valutazione del modello con onnxruntime.

2018-11-26.
Netron supporta ora la visualizzazione dei file CNTK v1 e CNTK v2 .model .