CNTK学习笔记 - 入门

2024-06-15

字数统计: 669字 | 阅读时长: 2分

北京时间9月16号凌晨3点半，CNTK终于发布2.2版本了（话说，定的不是9月15号吗！！！），终于支持CSharp了！于是，赶紧down下来体验一把～

后来才发现，只需要装一个Nuget包就行了，Nuget里面已经集成了所需的各种依赖，傻瓜式安装（微软式风格）。不过，Gpu版的包有200多M，cpu版的也有50多M，网速慢的话可以手动拷离线包。

CNTK以计算网络为基础（与数据流图的概念很像，表达式树有助于理解这个概念），在计算之前需要先构建好计算网络，然后准备并传入数据，就可以完成计算了。乍一看，采用这种方式似乎有点麻烦，但是如果你习惯了这种方式，你就会喜欢上她。

CNTK有几个不可忽视的优点：

分离计算逻辑和实现方式，使得我们无需关注具体的实现细节。
统一Cpu和Gpu，不管你的电脑有没有支持CUDA的显卡都没关系。
自动微分。
支持C#，支持C#，支持C#！

下面是一段用来计算y=k*x+b的代码，先让我们体验一把吧~

static void Main(string[] args)
{
    var dev = DeviceDescriptor.GPUDevice(0);
    var x = Variable.InputVariable(new[] { 1 }, DataType.Float, "x");
    var k = new Constant(new NDArrayView(new[] { 1 }, new[] { 20f }, dev), "k");
    var b = new Constant(new NDArrayView(new[] { 1 }, new[] { 3f }, dev), "k");
    var y = CNTKLib.Plus(CNTKLib.Times(k, x), b);

    var inputs = new Dictionary<Variable, Value> { { x, new NDArrayView(new[] { 1 }, new[] { 1.5f }, dev) } };
    var outputs = new Dictionary<Variable, Value> { { y, new NDArrayView(DataType.Float, new[] { 1, 1, 1, 1 }, dev) } };

    y.Evaluate(inputs, outputs, dev);

    var ls = outputs[y].GetDenseData<float>(y);
    WriteLine(ls[0][0]);

    ReadLine();
}

上面的代码看起来有点复杂，让我们先来做一下优化吧

static void Main(string[] args)
{
    var x = Var.Input(ND.Shape(1), "x");
    var k = Var.Const(ND.Shape(1), 20, "k");
    var b = Var.Const(ND.Shape(1), 3, "b");
    var y = k * x + b;

    var inputs = Data.Add(x, ND.Array(1.5f));
    var outputs = Data.Add(y, ND.Shape(1, 1, 1, 1).Array());

    y.Evaluate(inputs, outputs);
    WriteLine(outputs.AsString<float>(y));

    ReadLine();
}

第一步，我们先定义一个输入变量x，其Shape(形状，即数据的格式)为1；然后，再定义常量k和b，分别为20和3；最后，定义y=k*x+b。
第二步，定义输入和输出数据，并指定x的值为1.5。
第三步，调用Evaluate方法，传入数据并进行计算。
最后，从输出数据outputs中读取数据，并显示出来。

源码地址：链接：http://pan.baidu.com/s/1eSvkOhG 密码：7d5i

本文作者： killf
本文链接： http://www.killf.info/机器学习/CNTK/cntk_0/
版权声明： 本博客所有文章除特别声明外，均采用 Apache License 2.0 许可协议。转载请注明出处！