微軟開源深度學習工具包CNTK更新2.3版, 帶來多重性能改進

AI 科技評論消息，近日微軟更新了自家開源深度學習工具包CNTK，新的版本號為2.3，帶來了多項性能改進。

CNTK全名為Computational Network Toolkit，與穀歌的TensorFlow、Facebook的Caffe/Caffe2一樣是開源的計算平台/工具包，意在服務更多深度學習、人工智能的研究人員和開發者們。從2016年開源起，微軟就宣傳CNTK的性能明顯高於Caffe、Theano、TensoFlow等其它的一些熱門工具，當然也提供了基於英偉達cuDNN的一到多GPU加速支持。

CNTK在2.0的多個Beta和RC版本中逐步更新了麵向Python、C++、C#、Java等語言的API支持，對Keras的後端支持，Python示例和教程、自動安裝等等一大堆新功能，接著在2.1中把cuDNN版本升級到了6.0、支持Universal Windows Platform，在2.2中做了許多模型支持相關的改進之後，近日CNTK也發布了2.3版本。 AI 科技評論把更新內容簡單介紹如下：

CNTK 2.3 更新重點

對ONNX標準的更好支持（關於ONNX看這裏）

分布式訓練支持切換到NCCL2，帶來更好的性能（NCCL是英偉達官方的多卡訓練庫，詳細解讀看這裏）

改進了C# API 的支持

（2.2版本中必須安裝OpenCV庫）現在OpenCV不是必須安裝的，隻有當用到TensorBoard Image功能和圖像讀取功能時才需要安裝它

多重性能改進

增加了網絡優化API

更快的稀疏Adadelta

性能改進的相關項目包含

改進 C# API，提升訓練和預測性能

通過自由動態軸的支持，提升帶有卷積操作的網絡的訓練速度。對於某些模型，訓練速度可以提升5倍以上；

提升驗證性能，移除了許多不需要的驗證檢查；

CPU 卷積中更多地使用MKL-ML，AlexNet的訓練速度可以提升4倍；

Linux的正式版CNTK-GPU會默認使用NCCL2，可以降低分布式訓練中的聚合開銷。對於Python用戶來說沒有什麼影響，Linux的Python自己就帶有NCCL支持。BrainScript版本的用戶需要先自己手工安裝NCCL庫作為CNTK的運行環境，就像CUDA和CUDNN一樣。CPU版本和Windows版本都不受影響，因為目前NCCL隻支持Linux。

提升了梯度稀疏時Adadelta的更新速度。現在每次更新的運行時間和梯度中不為零的元素的數量成正比。對於在單個GPU上運行的帶有高維稀疏輸入（大約2百萬特征）的前饋模型，性能可以提升5倍。內存需求稍有增加，每一個稀疏的輸入特征會需要額外的四個字節空間（對前麵提到的模型來說一共增加8MB左右的內存需求）

其它值得注意的項目

2.3版本是最後一個支持Python3.4的版本，未來版本的CNTK將不再支持Python3.4。

ONNX方麵，優化標準支持的同時，ONNX標準也更新到了最新版本；目前已經覆蓋了ResNet、Inception、VGG在內的多數計算機視覺模型

增加了GPU上分組卷積的支持

CNTK2.3版本此次發布了運行在Windows下的CPU、GPU、GPU+1bit-SGD、UWP等多個版本以及運行在Linux下的CPU、GPU、GPU+1bit-SGD三個版本，都支持64位係統。有需要的研究人員和開發者請到CNTK的 github 馬上更新吧。