Definition

Was ist das Microsoft Cognitive Toolkit (CNTK)?

| Autor / Redakteur: Tutanch / Nico Litzel

(Bild: © aga7ta - stock.adobe.com)

Das Microsoft Cognitive Toolkit, ehemals CNTK, ist ein frei verfügbares Framework für das Erstellen, Trainieren und Evaluieren von neuronalen Netzen. Es lässt sich für Anwendungen im Bereich Deep Learning einsetzen und wird auch von Microsoft selbst für eigene Anwendungen genutzt.

Ursprünglich wurde das Framework unter der Bezeichnung Computational Network Toolkit (CNTK) von Microsoft für den Einsatz in den Bereichen der Künstlichen Intelligenz (KI) und des Deep Learnings entwickelt. Es ermöglicht Usern, neuronale Netze zu erstellen, zu trainieren und zu evaluieren. Mittlerweile steht es der Allgemeinheit über eine Open-Source-Lizenz für eigene Entwicklungen frei zur Verfügung.

Die erste Betaversion des freien Toolkits erschien im Jahr 2016. Der Code ist für Entwickler auf GitHub zu finden. Die Modelle und Berechnungen des Microsoft Cognitive Toolkits sind auf mehrere Rechner und GPUs verteilbar. Neuronale Netze werden durch das Toolkit mithilfe von gerichteten Graphen dargestellt. Dank einer Vielzahl von Funktionen lassen sich die Prozesse des Deep Learnings optimieren und in andere KI-Umgebungen nahtlos integrieren.

Microsoft verfolgt mit dem Cognitive Toolkit die Strategie, KI-Technologien für die Allgemeinheit verfügbar und einsetzbar zu machen. Zusätzlich zum Toolkit bietet Microsoft die Azure Cloud-Services, mit denen sich KI-Anwendungen deployen lassen. Das Microsoft Cognitive Toolkit unterstützt beim Evaluieren der Modelle Programmiersprachen wie C#, BrainScript, Python und Java.

Typische Einsatzbereiche des Frameworks sind die Spracherkennung, die Bilderkennung oder intelligente Suchalgorithmen. Verfügbar ist das Microsoft Cognitive Toolkit für die Betriebssysteme Windows und Linux. Darüber hinaus stehen Docker-Images zur Verfügung, die den Betrieb in einem Docker-Container auf einem Linux-System ermöglichen. Das Cognitive Toolkit steht in Konkurrenz zu anderen Frameworks wie TensorFlow, Caffe oder Torch. Microsoft nutzt das Framework ausgiebig für eigene Anwendungen der künstlichen Intelligenz wie Cortana.

Die Vorteile des Microsoft Cognitive Toolkits

Deep Learning mit dem Microsoft Cognitive Toolkit bietet eine Reihe von Vorteilen. Das Microsoft Cognitive Toolkit ist in der Lage, neuronale Netz schnell und effizient zu trainieren. Hierfür unterstützt es verteilte Rechnersysteme mit CPUs und GPUs. Hoch entwickelte Algorithmen arbeiten zuverlässig und präzise. Mithilfe des Toolkits lassen sich qualitativ hochwertige, professionelle Anwendungen aus verschiedenen Bereichen der Künstlichen Intelligenz realisieren.

Trotz der Leistungsfähigkeit und der guten Skalierbarkeit des Microsoft Cognitive Toolkits besitzt das Framework eine relative einfach nutzbare Architektur. Entwickler können bei der Arbeit mit dem Toolkit die ihnen bereits bekannten Programmiersprachen wie C++ oder Python verwenden. Das ermöglicht es, ohne den zusätzlichen Aufwand neue Sprachen lernen zu müssen, integrierte Trainings-Algorithmen nach eigenen Vorstellungen anzupassen oder neue zu entwickeln.

Die Funktionen des Microsoft Cognitive Toolkits

Das Microsoft Cognitive Toolkit ist mit einer Vielzahl an Funktionen für das Trainieren neuronaler Netze und das Deep Learning ausgestattet. Das Framework kann multidimensionale Daten unterschiedlichster Art und Herkunft verarbeiten und beherrscht sowohl das überwachte als auch das selbstständige Lernen. Dank der Möglichkeit des Memory-Sharings und anderer Methoden lassen sich selbst größte Modelle im GPU-Speicher abbilden. Zahlreiche verfügbare APIs gestatten das Trainieren, Evaluieren oder Definieren von Netzwerken mit Sprachen wie Python, C++ oder BrainScript. Es sind sowohl Low-Level-APIs für die schnelle und einfache Nutzung als auch High-Level-APIs für eine flexible Verwendung des Toolkits vorhanden.

Im Zusammenspiel mit den Azure Cloud-Services profitiert das Microsoft Cognitive Toolkit von den bereitgestellten Hochgeschwindigkeits-Ressourcen. Bereits trainierte Modelle lassen sich auf Azure hosten. Bei Bedarf ist das Echtzeit-Training der Modelle möglich. Um trainierte Modelle auf Rechnern mit eingeschränkten Ressourcen wie Smartphones zu nutzen, existieren für das Microsoft Toolkit Werkzeuge für die Komprimierung der Modelle. So sind KI-Anwendungen beispielsweise zur Bilderkennung auf Smartphones in Echtzeit lauffähig.

Interne Verwendung des Cognitive Toolkits durch Microsoft

Das Microsoft Toolkit steht dank der Open-Source-Lizenz für die Allgemeinheit zur Verfügung und ermöglicht es, eigene Anwendungen der Künstlichen Intelligenz und des Deep Learnings zu entwickeln. Microsoft selbst nutzt das Framework ausgiebig für seine eigenen KI-Anwendungen. Unter anderem kommt das Toolkit für den intelligenten digitalen Sprachassistenten Cortana, bei der Übersetzung mit dem Skype Translator, bei der Suche mit der Suchmaschine Bing, bei der Mixed-Reality-Brille HoloLens oder in Anwendungen von Microsoft Office zum Einsatz.

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Aktuelle Beiträge zu diesem Thema

KI: Aktuelle Projekte, Use Cases und Trends

IoT-Basics

KI: Aktuelle Projekte, Use Cases und Trends

Neben Blockchain und Bitcoin der momentan größte Hype in der Digitalszene heißt Künstliche Intelligenz. Die wirtschaftliche Bedeutung der Technologie ist enorm, die möglichen Auswirkungen auf die Gesellschaft sind es ebenfalls. Der Artikel gibt einen Überblick über aktuelle Projekte und Use Cases. Außerdem stellen wir jüngste KI-Forschungsvorhaben und -erkenntnisse ins Rampenlicht. lesen

Gluon – KI-Entwicklung leicht gemacht

Deep Learning

Gluon – KI-Entwicklung leicht gemacht

Die Deep-Learning-Schnittstelle Gluon (Open Source) ermöglicht es Entwicklern, schneller und einfacher Modelle für das Machine oder Deep Learning zu erstellen, ohne dass sich die Trainingsleistung ungebührlich verlängert. Gluon kann mit jeder beliebigen KI-Engine arbeiten. lesen

Auf Tour im IBM-Watson-IoT-Labor

Internet of Things und Industrie 4.0

Auf Tour im IBM-Watson-IoT-Labor

Mit Watson-IoT möchte IBM die Industrie und andere Bereiche umkrempeln. Das Münchner Watson-IoT-Lab zeigt Beispiele dafür, wie das aussehen könnte. lesen

PASS Summit 2016: Microsoft kündigt viele Neuheiten an

Azure Analysis Services, Referenzarchitektur und mehr

PASS Summit 2016: Microsoft kündigt viele Neuheiten an

Im Rahmen der Microsoft-Konferenz für Datenexperten „PASS Summit 2016“ kündigte der Redmonder Konzern eine ganze Reihe an neuen Services an. lesen

Microsoft stellt Deep Learning Toolkit auf Github bereit

CNTK für Open-Source-Community

Microsoft stellt Deep Learning Toolkit auf Github bereit

Bereits seit mehr als 20 Jahren forscht der Redmonder Softwareriese Microsoft im Bereich der Spracherkennung. Jetzt stellt der Konzern ein Toolkit zum Thema Deep Learning für die Open-Source-Community bereit. lesen

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 45138494 / Definitionen)