Microsoft stellt Deep-Learning-Tool CNTK auf GitHub bereit

Computational Network Toolkit (CNTK) wechselt von Codeplex auf GitHub

Microsoft stellt Deep-Learning-Tool CNTK auf GitHub bereit

Microsoft stellt sein Open-Source-Tool Computational Network Toolkit (CNTK) ab sofort unter MIT-Lizenz auf GitHub bereit. Damit will der Softwarekonzern das Tool für eine breitere Gruppe von Entwicklern zugänglich machen. Zuvor wurde das Projekt für rund ein Jahr auf der Microsoft-Seite Codeplex gehostet.

Unter der CodePlex-Lizenz war die Nutzung von CNTK bisher begrenzt auf den akademischen Einsatz. Mit der Bereitstellung des Tools auf GitHub will Microsoft diese Beschränkung nun aufheben und es einer breiteren Gruppe von Entwicklern ermöglichen, eigene Deep-Learning-Anwendungen zu erstellen.

Tool in internen Tests bereits bewährt

Entwickelt wurde CNTK laut Xuedong Huang, Chief Speech Scientist bei Microsoft, aus der Not heraus: Er und sein Team brauchten eine effiziente Lösung, um die Fähigkeit von Computern, Sprache zu erkennen, schneller voranzutreiben. Die dabei zur Verfügung stehenden Tools stellten ihm zufolge ein Hindernis dar – eine hauseigene Software sollte darum Abhilfe leisten.

In internen Tests habe sich CNTK bereits bewährt: nach Aussage von Huang sei das Tool im Vergleich zu vier anderen Lösungen, die Entwickler bei der Entwicklung von Deep-Learning-Models für die Sprach-und Bilderkennung einsetzen, weitaus effizienter. Bei den besagten Alternativen handelt es sich um Googles TensorFlow, Torch, Theano und Caffee, gegenüber denen CNTK in Sachen Performance deutlich heraussteche, wie es die nachfolgende Microsoft-Grafik zeigt:

Quelle: Microsoft

CNTK Schlüsselkomponente in Cortana

Huang erklärt weiter, dass CNTK auch als Schlüsselkomponente für die Spracherkennung in Microsofts digitalem Sprachassistenten Cortana zum Einsatz komme. Die Software eigne sich aber auch für andere Anwendungen, etwa für Bilderkennungs-Software oder Natural Language Processing (NLP). Ein Vorteil des Tools liege außerdem darin, dass man es ebenso gut mit nur einem Rechner wie auch mit einer größeren Gruppe an GPU-basierten Computern nutzen könne.

Wer sich einen eigenen Eindruck vom Tool verschaffen will, kann es ab sofort auf GitHub herunterladen. Microsoft zufolge eigne es sich sowohl für Deep-Learning-Startups als auch für größere Unternehmen, die große Datenmengen in Echtzeit verarbeiten müssen.