Was vor ein paar Jahren noch undenkbar war, ist jetzt für einen einzelnen Anwender Realität. Das Nutzen einer professionellen Deep Learning Library ist kein Hexenwerk mehr und gestaltet sich relativ einfach. Die Anwendungsmöglichkeiten im Bereich Computing, insbesondere in der Künstlichen Intelligenz, scheinen mittlerweile unbegrenzt zu sein.
Deep Learning mit dem Cognitive Toolkit
Zu diesem Anlass möchte ich gerne das “Microsoft Cognitive Toolkit” kurz vorstellen.
Das “Microsoft Cognitive Toolkit” ermöglicht dem Anwender ein neuronales Netzwerk auf lokalen, eigenen Maschinen zu installieren. Die Skalierung kann dabei von einem einzelnen CPU (z.B. auf einem Notebook) bis hin zu einem riesigen Array (Batterien) von Nvidia-GPUs reichen.
Ursprünglich stammt das “Microsoft Cognitive Toolkit” aus einem Microsoft Forschungsprojekt, bei dem Suchindizes, Bildanalyse und Spracherkennung verbessert werden sollten. Das Projekt war schließlich so erfolgreich, dass Microsoft das Toolkit auch gleich als Open Source Project veröffentlichte.
Mit der neuen Version ist die Installation, als auch die Handhabung, wesentlich einfacher geworden. Das Toolkit lässt sich ohne großen Aufwand als Bibliothek in Python und C++ Projekte einbinden.
Erwähnenswerte Verbesserungen zu der ursprünglichen „Forschungsversion“ zusammengefasst.
- Sehr gute Skalierbarkeit. Bei größeren Datenmengen kann man ganz leicht mehrere Server weiter einbeziehen.
- Sehr performant. In Zusammenarbeit mit Nvidia ist das Toolkit in der Lage mehrere GPUs zu nutzen (Cloud GPU Azure n-Series)
- Automatische Installation und Konfiguration der Umgebung sowie der Objekterkennung mittels Fast R-CNN (Region-based Convolutional Neural Networks).
- Einfache Einbindung in bestehende Python und C++ Projekte.
Weitere Informationen und Beispiele zur Anwendung zum “Microsoft Cognitive Toolkit”:
Download Toolkit GitHub:
https://github.com/Microsoft/CNTK
Code- Modellbeispiele:
https://www.microsoft.com/en-us/research/product/cognitive-toolkit/model-gallery/