Notas de versão do CNTK v2.7
Querida comunidade,
Com nossas contribuições contínuas para o ONNX e o ONNX Runtime, tornamos mais fácil interoperar dentro do ecossistema da estrutura de IA e acessar recursos de inferência de alto desempenho e multiplataforma para modelos tradicionais de ML e redes neurais profundas. Nos últimos anos, tivemos o privilégio de desenvolver esses principais projetos de aprendizado de máquina de código aberto, incluindo o Microsoft Cognitive Toolkit, que permitiu que seus usuários aproveitassem os avanços de todo o setor em aprendizado profundo em escala.
A versão 2.7 de hoje será a última versão principal da CNTK. Podemos ter algumas versões menores subsequentes para correções de bugs, mas estas serão avaliadas caso a caso. Não há planos para o desenvolvimento de novos recursos após esta versão.
A versão CNTK 2.7 tem suporte total para ONNX 1.4.1, e encorajamos aqueles que procuram operacionalizar seus modelos CNTK a aproveitar o ONNX e o ONNX Runtime. No futuro, os usuários podem continuar a aproveitar as inovações ONNX em evolução por meio do número de estruturas que o suportam. Por exemplo, os usuários podem exportar nativamente modelos ONNX do PyTorch ou converter modelos TensorFlow para ONNX com o conversor TensorFlow-ONNX.
Estamos incrivelmente gratos por todo o apoio que recebemos de colaboradores e usuários ao longo dos anos desde o lançamento inicial de código aberto da CNTK. A CNTK permitiu que as equipes da Microsoft e usuários externos executassem cargas de trabalho complexas e em grande escala em todos os tipos de aplicativos de aprendizado profundo, como avanços históricos no reconhecimento de fala alcançados por pesquisadores do Microsoft Speech, os criadores da estrutura.
Como o ONNX é cada vez mais empregado no atendimento de modelos usados em produtos da Microsoft, como Bing e Office, nos dedicamos a sintetizar inovações da pesquisa com as rigorosas demandas da produção para progredir o ecossistema.
Acima de tudo, o nosso objetivo é tornar as inovações em aprendizagem profunda nas pilhas de software e hardware tão abertas e acessíveis quanto possível. Trabalharemos arduamente para trazer os pontos fortes existentes da CNTK e a nova pesquisa de ponta para outros projetos de código aberto para realmente ampliar o alcance de tais tecnologias.
Com gratidão,
-- A Equipa CNTK
Destaques desta versão
- Movido para CUDA 10 para Windows e Linux.
- Suporte avançado RNN loop na exportação ONNX.
- Exporte modelos maiores que 2GB no formato ONNX.
- Suporte FP16 na ação de trem Brain Script.
Suporte CNTK para CUDA 10
CNTK agora suporta CUDA 10. Isso requer uma atualização para criar o ambiente para o Visual Studio 2017 v15.9 para Windows.
Para configurar o ambiente de compilação e tempo de execução no Windows:
- Instale o Visual Studio 2017. Nota: daqui para a frente para CUDA 10 e posteriores, não é mais necessário instalar e executar com o VC Tools específico versão 14.11.
- Instale Nvidia CUDA 10
- No PowerShell, execute: DevInstall.ps1
- Inicie o Visual Studio 2017 e abra CNTK.sln.
Para configurar o ambiente de compilação e tempo de execução no Linux usando o docker, construa a imagem do docker Unbuntu 16.04 usando o Dockerfiles aqui. Para outros sistemas Linux, consulte Dockerfiles para configurar bibliotecas dependentes para CNTK.
Suporte avançado RNN loop na exportação ONNX
Os modelos CNTK com loops recursivos podem ser exportados para modelos ONNX com operações de digitalização.
Exporte modelos maiores que 2GB no formato ONNX
Para exportar modelos maiores que 2GB no formato ONNX, use cntk. API de função: save(self, filename, format=ModelFormat.CNTKv2, use_external_files_to_store_parameters=False) com 'format' definido como ModelFormat.ONNX e use_external_files_to_store_parameters definido como True. Nesse caso, os parâmetros do modelo são salvos em arquivos externos. Os modelos exportados devem ser usados com arquivos de parâmetros externos ao fazer a avaliação do modelo com onnxruntime.
2018-11-26.
Netron agora suporta a visualização de arquivos .model CNTK v1 e CNTK v2.
