從去年開始，不少科技巨頭紛紛投入開發深度學習框架，像是雲端廠商Google推出的TensorFlow，連社群網站龍頭臉書也釋出Torchnet和Caffe2，而微軟也推出Cognitive Toolkit（CNTK）來加入戰局。這三巨頭釋出的深度學習框架，在今年相繼推出了企業級的新功能。

Google推出最受歡迎的深度學習框架TensorFlow升級至1.2版

2015年底，Google開源釋出自家開發的深度學習框架TensorFlow，，才開源不到半年的時間，TensorFlow就已經成為GiHub上最受歡迎的機器學習專案，目前貢獻者已經將近千人。今年正式進入1.0，而且改版快速，才半年，目前TensorFlow已更新至1.2版。

Google以Apache 2.0授權模式開放TensorFlow函式庫、相關開發工具、說明文件、範例等資源，並邀請開發人員透過TensorFlow.org參與計畫。

TensorFlow可用於任何運算流程圖（Computational Flow Graph），另外自動微分（Auto-differentiation）和最佳化工具可用以改善梯度式機器學習演算法。

TensorFlow從0.8版就開始支援了分散式運算能力，TensorFlow可同時在數百臺機器上執行訓練程式，以建立各種機器學習模型，把原本需要耗費數天或數周的模型訓練縮短到數小時。

TensorFlow底層採用XLA，這是專為TensorFlow圖譜而設計的專用組譯器，效能大為提升，例如在8GPU機器上執行Inception v3 模型速度提升7.3倍，在64GPU環境下跑分散式Inception v3 模型訓練速度更增加到58倍，Google也會於近日將常見模型的實作公開出來。

此外，TensorFlow加入TensorFlow高階API如tf.layers、tf.metrics及tf.losses模組等，並加入tf.keras模組以便能相容於Keras高階神經網路函式庫。TensorFlow還修改Python API，讓TensorFlow與機器學習研發者常用的NumPy用法更相近，並強化穩定性、增加向後相容性等功能，讓開發人員在不影響現有程式碼的情況下，擴增新功能。

TensorFlow現已加入Python 3 Docker images，且PIP套件也相容PyPI，讓TensorFlow只要呼叫pip install tensorflow就可以安裝。目前Google已將TensorFlow更新至1.2版，在Windows環境也開始支援Python 3.6。

社群網站龍頭臉書則搶推輕量版深度學習框架Caffe2

臉書則是在去年6月時，開源了釋出深度學習開發框架Torchnet，藉此降低深度學習開發成本和困難度。Torchnet是以Lua語言撰寫而成，執行於標準x86晶片或GPU上，有助於節省I/O的成本。

Torchnet為深度學習函式庫Torch的框架，目前提供包括資料處理、機器學習的訓練和測試演算法、效能監測計Meter及建立一致性的Log等四個資源，旨在鼓勵程式碼再利用及模組化程式開發。

臉書日前在F8大會上發布了輕量級且模組化的深度學習框架Caffe2，相較於原版Caffe框架，Caffe2更具彈性且效能更好。同時，Caffe2也是臉書推出的第一個能在正式環境中部署的版本，目前已在GitHub上釋出Caffe2原始碼。

不僅如此，Caffe2也能在行動裝置上執行AI的工具，可以部署至iOS、Android和Raspberry Pi裝置，也就是說，使用者將能直接從行動裝置上取得圖像辨識、自然語言處理等功能。另外，Caffe2也支援Python和C++ API，以及整合Visual Studio、Android Studio和XCode開發環境，也能開發行動App。

而開發者也可以利用模型動物園（Model Zoo）中，由開發者社群提供的預先訓練模型（Pre-Trained Model）來快速打造自己的AI應用，如聊天機器人、物聯網、翻譯、語音辨識等應用，或是改進Model Zoo裡的模型，再發布一套新的機器學習模型。

微軟搶推企業級深度學習框架CNTK 2.0正式版

微軟則是去年1月於GitHub開源釋出自家深度學習框架Cognitive Toolkit（CNTK），其實微軟在2015年4月就曾釋出CNTK的原始碼，但當時專案還是由微軟旗下的Codeplex代管，主要供學術研究使用，採用較嚴苛的開放源碼授權，移放到GitHub代表任何有興趣的開發人員都能存取，可應用在深度學習與處理大量資料上。

今年CNTK 則進入號稱達到企業級功能的2.0版，包含了數百個新功能，使得深度學習的過程更簡便，並支援開源的類神經網路套件Keras和Java語言，微軟企圖將CNTK整合到AI的生態系中。

CNTK原本是為了加速訓練深度學習網路和其他機器學習模型，像是用搜尋引擎Bing搜尋影片的系統，或是能在對話中辨識語音的系統，其中CNTK的特色是可以部署於大型GPU叢集上。

2.0正式版本開始支援開源的類神經網路套件Keras，Keras是大多數開發人員在深度學習的應用上都會使用的套件，開發人員可以用Keras撰寫程式碼，並能享有認知工具包提供的高效率與速度，不需要改寫任何程式。另外，CNTK也會藉由支援Nvidia深度學習最新版本的SDK和最新的GPU架構Volta，來加速資料訓練的能力。

除了支援Keras之外，CNTK還支援Java，提供開發人員建立評估模型，就連資源有限的行動裝置，也能運行影像辨識，即時地訓練模型。

100項 IT人不可不知的AI發展

No.035 多套深度學習框架今年相繼進入正式版

No.036 主流AI框架紛紛支援GPU叢集

No.037 TensorFlow是最熱門開源深度學習框架

No.038 臉書輕量級深度學習框架Caffe2專用於行動裝置

No.039 微軟CNTK深度學習框架進入2.0版本鎖定企業級需求，大增上百項功能

 相關報導  AI 100（上）  AI 100 （下）