Microsoft annonce que la version 2.0 de Cognitive Toolkit, sa boîte à outils dédiée au Deep Learning,
Est disponible en version finale

Le , par Stéphane le calme, Chroniqueur Actualités
Microsoft a publié la version 2 de Cognitive Toolkit (CNTK) une boîte à outils dédiée au Deep Learning et à l'intelligence artificielle. Microsoft explique que Cognitive Toolkit permet de disposer d’une IA de qualité prête pour l’entreprise en permettant aux utilisateurs de créer, de former et d'évaluer leurs propres réseaux de neurones, qui peuvent ensuite varier efficacement sur plusieurs GPU et plusieurs machines sur des ensembles de données massives.

La version 2.0 de la boîte à outils, connue sous le nom de CNTK, a commencé en version bêta en octobre 2016, a atteint le stade de Release Candidate le 3 avril et est maintenant disponible pour la production des charges de travail. Cette nouvelle version s’accompagne également de trois nouvelles fonctionnalités, notamment :
  • la prise en charge de Keras (préversion publique) : l'API Keras a été conçue pour que les utilisateurs développent des applications AI et est optimisée pour l'expérience de l'utilisateur. Microsoft assure que Keras suit les meilleures pratiques pour réduire la charge cognitive : elle offre des API uniformes et cohérentes, elle minimise le nombre d'actions utilisateur requises pour les cas d'usage courant et fournit des commentaires clairs et utiles sur l'erreur de l'utilisateur. Keras a ouvert un apprentissage approfondi à des milliers de personnes sans expérience préalable d'apprentissage machine ;
  • le support de Java Bindings et Spark : après avoir formé un modèle utilisant Python ou BrainScript, Cognitive Toolkit a toujours fourni de nombreuses façons d'évaluer le modèle Python, BrainScript ou C #. Maintenant, avec la version finale, les utilisateurs peuvent évaluer les modèles de kits d'outils cognitifs avec une nouvelle API Java. Cela le rend idéal pour les utilisateurs souhaitant intégrer des modèles d'apprentissage en profondeur dans leurs applications basées sur Java ou pour une évaluation à l'échelle sur des plateformes telles que Spark ;
  • un modèle de compression : l'évaluation d'un modèle qualifié sur les CPU inférieurs trouvés dans les produits mobiles peut rendre les performances en temps réel difficile à réaliser. Ceci est particulièrement vrai en essayant d'évaluer les modèles formés pour l'apprentissage d'images sur la vidéo en temps réel provenant d'une caméra. Avec la version finale Cognitive Toolkit, Microsoft a inclus des extensions qui permettent des implémentations quantifiées de plusieurs opérations FP, qui sont plusieurs fois plus rapides que leurs homologues de précision complète. L'accélération est assez grande pour permettre l'évaluation des modèles Cognitive Toolkit beaucoup plus rapidement sur le serveur et les périphériques embarqués à faible puissance avec peu de perte de précision d'évaluation.

La boîte à outils open source peut être trouvée sur GitHub. Des centaines de nouvelles fonctionnalités, des améliorations de performances et des correctifs ont été ajoutés depuis la création de la version bêta.

Microsoft assure que sur les GPU multiples, la performance est encore meilleure avec l'évolutivité. Par exemple, avec le dernier GPU Volta de NVIDIA, le V100, les projections de performance s’améliorent progressivement jusqu'à 64x V100.


Source : Microsoft


Vous avez aimé cette actualité ? Alors partagez-la avec vos amis en cliquant sur les boutons ci-dessous :
Contacter le responsable de la rubrique Accueil