Quando se fala de frameworks de machine learnig, o Tensorflow do Google é a opção atual mais popular, mas, com o CNTK, a Microsoft liberou seu framework interno no início do ano. Agora, a empresa está lançando a primeira versão beta da próxima versão (2.0) do CNTK e, com ela, espera desafiar a posição de liderança do Tensorflow.
Xuedong Huang, cientista da Microsoft, acredita que o toolkit CNTK sempre teve muitas vantagens sobre o Tensorflow e frameworks semelhantes, principalmente em relação ao desempenho.
De acordo com benchmarks da Microsoft, o CNTK continua a superar seus concorrentes na maioria dos testes e sem surpresa, e essa nova versão é mais rápida do que as anteriores, especialmente quando se trabalha com grandes conjuntos de dados.
[awprm urls=https://imasters.com.br/noticia/google-vai-usar-deep-learning-para-aumentar-precisao-do-tradutor/?trace=824205206&source=news-search,https://imasters.com.br/noticia/amazon-abre-codigo-do-dsstne-seu-software-de-deep-learning/?trace=824205206&source=news-search]
A primeira versão do CNTK era essencialmente a mesma que a Microsoft usava internamente, e isso significava que os desenvolvedores tinham que escrever seu código em C++ ou C #. Isso limitava bastante o apelo do CNTK, principalmente porque o Tensorflow permite que os desenvolvedores também trabalhem em Python. Huang admite isso livremente. “Priorizamos a eficiência interna – e internamente estamos usando C++ o tempo todo”, disse ele. “Agora, nós abrimos o código da ferramenta interna e a compartilhamos com o público”. O que a equipe percebeu rapidamente, assim que lançou o software, foi que os desenvolvedores estavam realmente à procura de suporte para Python.
Sabendo disso, aponta o TechCrunch, não é surpresa que o CNTK vai suportar Python nativamente. Além disso, o toolkit também permite que os desenvolvedores usem aprendizado por reforço para treinar seus modelos.
Com instâncias de GPU do Azure agora em versão beta, a Microsoft pode oferecer aos desenvolvedores um pacote completo de ferramentas de software e hardware para rodá-los. Huang destacou que o toolkit não está ligado ao Azure de nenhuma forma, e que as instâncias de GPU do Azure também irão funcionar com outros toolkits.
O código está disponível no GitHub.