Oprogramowanie
Oto lista 6 bezpłatnych i płatnych alternatyw dla The Microsoft Cognitive Toolkit. Główni konkurenci obejmują Cloud AutoML, Training Mule. Oprócz tego, użytkownicy porównują także The Microsoft Cognitive Toolkit z CatBoost, mlpack, TensorFlow. Ponadto można spojrzeć na inne podobne opcje tutaj: Narzędzia deweloperskie.
Oto lista 6 bezpłatnych i płatnych alternatyw dla The Microsoft Cognitive Toolkit. Główni konkurenci obejmują Cloud AutoML, Training Mule. Oprócz tego, użytkownicy porównują także The Microsoft Cognitive Toolkit z CatBoost, mlpack, TensorFlow. Ponadto można spojrzeć na inne podobne opcje tutaj: Narzędzia deweloperskie.
54
23
Training Mule pozwala tobie lub twojemu zespołowi na łatwe oznaczanie zdjęć, zapewniając ci zbiory danych, które ...
10
CatBoost to poprawa gradientu open source w bibliotece drzew decyzyjnych z kategorycznymi funkcjami ...
-1
mlpack to biblioteka uczenia maszynowego C ++ z naciskiem na skalowalność, szybkość i łatwość użycia.
-2
TensorFlow to biblioteka oprogramowania typu open source do uczenia maszynowego w różnego rodzaju percepcyjnych ...
-11
-3
Microsoft Cognitive Toolkit - CNTK - to zunifikowany zestaw narzędzi do głębokiego uczenia się firmy Microsoft Research.
Microsoft Cognitive Toolkit - CNTK - to zunifikowany zestaw narzędzi do głębokiego uczenia się firmy Microsoft Research.
Windows
Linux
Microsoft Cognitive Toolkit - wcześniej znany jako CNTK - umożliwia wykorzystanie inteligencji w ogromnych zestawach danych poprzez głębokie uczenie się, zapewniając bezkompromisowe skalowanie, szybkość i dokładność przy jakości komercyjnej oraz zgodność z językami programowania i algorytmami, których już używasz.
Może być dołączony jako biblioteka do programów w języku Python lub C ++ lub może być używany jako samodzielne narzędzie do uczenia maszynowego poprzez własny model języka opisu (BrainScript).
CNTK obsługuje 64-bitowy system operacyjny Linux lub 64-bitowy system Windows. Aby zainstalować, możesz wybrać wstępnie skompilowane pakiety binarne lub skompilować zestaw narzędzi ze źródła podanego w Github.
Wysoce zoptymalizowane, wbudowane komponenty
Komponenty mogą obsługiwać wielowymiarowe gęste lub rzadkie dane z Python, C ++ lub BrainScript
FFN, CNN, RNN / LSTM, normalizacja partii, sekwencja do sekwencji z uwagą i więcej
Uczenie się ze wzmocnieniem, generatywne sieci przeciwników, uczenie nadzorowane i bez nadzoru
Możliwość dodawania nowych zdefiniowanych przez użytkownika podstawowych komponentów do GPU z Pythona
Automatyczne dostrajanie hiperparametrów
Wbudowane czytniki zoptymalizowane pod kątem ogromnych zbiorów danych
Efektywne wykorzystanie zasobów
Równoległość z dokładnością na wielu procesorach graficznych / maszynach za pomocą 1-bitowego SGD i Block Momentum
Współdzielenie pamięci i inne wbudowane metody, aby zmieścić nawet największe modele w pamięci GPU
Łatwo wyrażaj własne sieci
Pełne interfejsy API do definiowania sieci, uczniów, czytelników, szkoleń i oceny z Python, C ++ i BrainScript
Oceniaj modele za pomocą Pythona, C ++, C # i BrainScript
Współpraca z NumPy
Dostępne są interfejsy API wysokiego i niskiego poziomu dla łatwości użycia i elastyczności
Automatyczne wnioskowanie o kształcie na podstawie danych
W pełni zoptymalizowane symboliczne pętle RNN (nie wymaga rozwijania)
Szkolenie i hosting na platformie Azure
Korzysta z szybkich zasobów w połączeniu z GPU Azure i sieciami Azure
Łatwo hostuj wyszkolone modele na platformie Azure i w razie potrzeby dodaj szkolenie w czasie rzeczywistym
Artificial intelligence
Podziel się swoją opinią na temat oprogramowania, napisz recenzję i pomóż jeszcze bardziej je ulepszyć!
Zaproponuj zmiany
Twoja opinia
Your vote has been counted.
Do you have experience using this software?
