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-sekwencja z uwagą i więcej Uczenie się zbrojenia, generatywne sieci przeciwników,nadzorowane i nienadzorowane uczenie się Możliwość dodawania nowych zdefiniowanych przez użytkownika podstawowych komponentów do GPU z Pythona Automatyczne dostrajanie hiperparametrów Wbudowane czytniki zoptymalizowane pod kątem ogromnych zestawów danych Wydajne wykorzystanie zasobów Równoległość z dokładnością na wielu GPU / maszynach za pomocą 1-bitowej SGD i pamięci Block Momentumwspółdzielenie i inne wbudowane metody, aby zmieścić nawet największe modele w pamięci GPU Łatwo wyrażaj swoje własne sieci Pełne interfejsy API do definiowania sieci, uczniów, czytelników, szkoleń i oceny z Python, C ++ i BrainScript Ocena modeli za pomocą Python, C ++, C # i BrainScriptWspółdziałanie z NumPy Dostępne są interfejsy API wysokiego i niskiego poziomu dla łatwości użycia i elastyczności Automatyczne wnioskowanie o kształcie na podstawie danychw pełni zoptymalizowane symboliczne pętle RNN (bez konieczności rozwijania) Szkolenie i hosting na platformie Azure Korzysta z szybkich zasobów, gdy jest używany z GPU platformy Azure i sieciami Azure Łatwo hostuj wyszkolone modele na platformie Azure i w razie potrzeby dodaj szkolenie w czasie rzeczywistym