Software
Wir haben eine Liste von 6 kostenlosen und kostenpflichtigen Alternativen zu The Microsoft Cognitive Toolkit zusammengestellt. Zu den Hauptkonkurrenten gehören Training Mule, CatBoost. Neben diesen vergleichen Benutzer auch The Microsoft Cognitive Toolkit mit mlpack, Darknet, TensorFlow. Außerdem können Sie hier auch andere ähnliche Optionen ansehen: Entwicklungs-Tools.
Wir haben eine Liste von 6 kostenlosen und kostenpflichtigen Alternativen zu The Microsoft Cognitive Toolkit zusammengestellt. Zu den Hauptkonkurrenten gehören Training Mule, CatBoost. Neben diesen vergleichen Benutzer auch The Microsoft Cognitive Toolkit mit mlpack, Darknet, TensorFlow. Außerdem können Sie hier auch andere ähnliche Optionen ansehen: Entwicklungs-Tools.
Mit Training Mule können Sie oder Ihr Team Bilder einfach beschriften und erhalten die Datensätze, die ...
CatBoost ist eine Open-Source-Gradienten-Boosting-Bibliothek für Entscheidungsbäume mit kategorialen Funktionen ...
mlpack ist eine C ++ - Bibliothek für maschinelles Lernen mit Schwerpunkt auf Skalierbarkeit, Geschwindigkeit und Benutzerfreundlichkeit.
TensorFlow ist eine Open-Source-Softwarebibliothek für maschinelles Lernen in verschiedenen ...
Das Microsoft Cognitive Toolkit - CNTK - ist ein einheitliches Deep-Learning-Toolkit von Microsoft Research.
Das Microsoft Cognitive Toolkit - CNTK - ist ein einheitliches Deep-Learning-Toolkit von Microsoft Research.
Linux
Windows
Das Microsoft Cognitive Toolkit - früher bekannt als CNTK - ermöglicht es Ihnen, die Intelligenz in großen Datenmengen durch tiefes Lernen zu nutzen, indem es kompromisslose Skalierung, Geschwindigkeit und Genauigkeit in handelsüblicher Qualität und Kompatibilität mit den von Ihnen bereits verwendeten Programmiersprachen und Algorithmen bietet.
Es kann als Bibliothek in Ihre Python- oder C ++ - Programme aufgenommen oder als eigenständiges maschinelles Lernwerkzeug über eine eigene Modellbeschreibungssprache (BrainScript) verwendet werden.
CNTK unterstützt 64-Bit-Linux- oder 64-Bit-Windows-Betriebssysteme. Zur Installation können Sie entweder vorkompilierte Binärpakete auswählen oder das Toolkit aus der in Github bereitgestellten Quelle kompilieren.
Hochoptimierte, eingebaute Komponenten
Komponenten können mehrdimensionale dichte oder spärliche Daten aus Python, C ++ oder BrainScript verarbeiten
FFN, CNN, RNN / LSTM, Chargennormalisierung, Sequenz-zu-Sequenz mit Aufmerksamkeit und mehr
Reinforcement Learning, generative kontroverse Netzwerke, überwachtes und unbeaufsichtigtes Lernen
Möglichkeit, neue benutzerdefinierte Kernkomponenten von Python auf der GPU hinzuzufügen
Automatisches Hyperparameter-Tuning
Eingebaute Lesegeräte, die für umfangreiche Datensätze optimiert sind
Effiziente Ressourcennutzung
Parallelität mit Genauigkeit auf mehreren GPUs / Maschinen über 1-Bit-SGD und Block Momentum
Speicherfreigabe und andere integrierte Methoden, um auch die größten Modelle im GPU-Speicher unterzubringen
Drücken Sie ganz einfach Ihre eigenen Netzwerke aus
Vollständige APIs zum Definieren von Netzwerken, Lernenden, Lesern, Schulungen und Auswertungen in Python, C ++ und BrainScript
Bewerten Sie Modelle mit Python, C ++, C # und BrainScript
Zusammenarbeit mit NumPy
Sowohl High-Level- als auch Low-Level-APIs sind für Benutzerfreundlichkeit und Flexibilität verfügbar
Automatischer Formschluss basierend auf Ihren Daten
Voll optimierte symbolische RNN-Schleifen (kein Abrollen erforderlich)
Schulung und Hosting mit Azure
Nutzt Hochgeschwindigkeitsressourcen, wenn sie mit Azure-GPU- und Azure-Netzwerken verwendet werden
Hosten Sie geschulte Modelle auf einfache Weise in Azure und fügen Sie bei Bedarf Echtzeitschulungen hinzu
Artificial intelligence
Teilen Sie Ihre Meinung zur Software, hinterlassen Sie eine Bewertung und helfen Sie dabei, sie noch besser zu machen!
Änderungen vorschlagen
Ihr Feedback
Your vote has been counted.
Do you have experience using this software?
