微软开源人工智能工具和深度学习框架

曾经终败给现在 2022-04-22 07:56 348阅读 0赞

> 微软机器视觉、语音处理、视频检索人工智能开源工具和深度学习框架。
> 
> 本文介绍了微软在人工智能领域的领先成果、产品线，开源人工智能框架和工具。读者可以运用这些工具快速开发机器视觉、语音处理、视频检索等丰富的人工智能应用。
> 
> 作者：张子豪（同济大学微软学生俱乐部）
> 
> 微信公众号：**人工智能小技巧**
> 
> [本文配套B站视频：用微软Custom Version识别水果图片：不用写代码，三分钟做一个人工智能小应用][B_Custom Version]
> 
> 发布于2018-11-7

### 文章目录 ###

*   *  开篇语
     *  ResNet深度残差卷积神经网络
     *  语音识别工具Switchboard
     *  微软AI产品线
     *  微软认知服务 Cognitive Service
     *  轻松上手计算机视觉—Custom Vision
     *  视频剪辑师的福音—Video Indexer
     *  微软开源人工智能框架CNTK
     *  收购开源代码托管网站Github
     *  微软人工智能最新进展
     *   *  分布式机器学习平台DMTK
         *  高效的机器学习工具
         *  新的监督学习范式：对偶学习
     *  微软亚洲研究院
     *  同济大学微软学生俱乐部
     *  参考文献与扩展阅读

> 本文中的部分图片来自[学堂在线慕课：微软人工智能-深度学习框架和工具][-]

## 开篇语 ##

提起微软，大家首先想到的就是世界首富比尔盖茨以及Windows操作系统等微软产品，近几年，微软大规模部署人工智能领域，开发了一系列基于人工智能技术的产品和深度学习开源框架，并致力于开源社区的建设。微软在2018年10月底完成了对全球最大开源代码托管网站Github的收购。2018年2月，本文作者在宾夕法尼亚大学沃顿商学院聆听了微软新总裁Satya Nadella的演讲，并在慕课网站学堂在线学习了[慕课：微软人工智能-深度学习框架和工具][-] ，遂撰写本文对微软AI产品线及开源生态做一个介绍。

![2018年2月微软总裁在沃顿商学院讲座][2018_2]

## ResNet深度残差卷积神经网络 ##

ResNet在2015年ImageNet比赛分类任务中获得第一名，在图像分类方面已超过人眼。ResNet共有152层，但它不仅仅靠深度取胜，而是通过残差学习的方法训练模型，通过“跨层抄近道”的方法减少参数数量，简单而实用。衍生出ResNet50和ResNet101旁支，Alpha zero（只训练8个小时就打败了AlphaGo的下棋机器）也使用了ResNet。

> ResNet的作者何恺明是2003年广东省理科高考状元，本科毕业于清华大学，博士毕业于香港中文大学，曾在微软亚洲研究院孙剑领导的研究组实习。何恺明在图像去雾领域也成果颇丰。

![ResNet][]

![ResNet][ResNet 1]

[科普文：大白话讲解卷积神经网络工作原理][Link 1]

[视频：三分钟走进卷积神经网络][Link 2]

[视频：大白话讲解卷积神经网络工作原理][Link 3]

## 语音识别工具Switchboard ##

Switchboard能够识别堪比英语专八水平的电话音频中的每个单词

![语音识别][1240]

## 微软AI产品线 ##

微软已经将人工智能应用部署在自己的产品中，比如语音识别小助手Cortana、Office 365，你也可以用微软提供的GPU服务器和FPGA服务器训练深度学习模型。

![微软AI产品][AI]

![微软AI产品线][AI 1]

## 微软认知服务 Cognitive Service ##

Cognitive Services为开发者提供计算机视觉、自然语言处理、语音翻译、搜索等各领域应用程序接口（API），开发者只需要简单调用API即可。

![微软Cognitive Service][Cognitive Service]

## 轻松上手计算机视觉—Custom Vision ##

[官方主页][Link 4]：[https://www.customvision.ai][Link 4]

用微软的开源计算机视觉开发工具Custom Vision快速开发图像分类小应用。初学者不需要有任何深度学习、图像处理的算法知识，小学生都能快速上手。

[B站视频：用微软Custom Version识别水果图片][B_Custom Version]

![Custom Vision][]

## 视频剪辑师的福音—Video Indexer ##

[官方主页][Link 5]：[http://videoindexer.ai][Link 5]

Video Indexer是非常强大的视频和音频处理工具，用户只需上传视频或音频，即可得到关键词分析、时间线字幕、视频中出现的名人及其讲话时段、情绪分析、关键帧以及带字幕和字幕翻译的视频。

![视频样本][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxODIyNzgx_size_16_color_FFFFFF_t_70]

![字幕][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxODIyNzgx_size_16_color_FFFFFF_t_70 1]

![翻译][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxODIyNzgx_size_16_color_FFFFFF_t_70 2]

## 微软开源人工智能框架CNTK ##

与其它开源人工智能框架（比如谷歌的Tensorflow、Facebook的Caffe，以及Keras、Torch、Theano）相比，微软的开源人工智能框架CNTK最大的优势就是训练速度快、分布式和并行计算性能好。同时，CNTK也支持各种操作系统，提供各种编程语言的开发工具。

![微软开源人工智能框架CNTK][CNTK]

![CNTK收敛速度][CNTK 1]

![CNTK并行计算能力][CNTK 2]

CNTK通过减少数据传输量、传输次数，通过异步处理和管道机制权衡训练和传输代价，加速深度学习模型训练。

![CNTK的并行运算能力][CNTK 3]

![CNTK支持的编程语言][CNTK 4]

## 收购开源代码托管网站Github ##

![微软收购Github][Github]

## 微软人工智能最新进展 ##

微软研究院在业内号称“AI界的黄埔军校”，以下是微软研究院机器学习组最新进展总结。

![微软人工智能最新进展][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxODIyNzgx_size_16_color_FFFFFF_t_70 3]

### 分布式机器学习平台DMTK ###

Multiverso参数服务器开源框架，CNTK异步快速训练的幕后功臣。

### 高效的机器学习工具 ###

*  LightGBM：数据竞赛利器
 *  LightLDA：超大规模主体模型训练世界纪录保持者
 *  LightRNN：大规模文本模型训练

### 新的监督学习范式：对偶学习 ###

利用两种语言互相翻译，互相提供翻译标注数据。例如中文翻译成日语，再翻译回中文，与中文原文做比对，进行模型训练。再例如由图像生成文字，再由文字生成图像。使用对偶学习可以用更少的数据训练模型，节省人工标注数据的成本。

## 微软亚洲研究院 ##

![微软亚洲研究院][1240 1]

微软研究院在业内号称“AI界的黄埔军校”，从中涌现出众多当今互联网界泰山北斗级人物，从谷歌传奇李开复，到百度总裁张亚勤、金山CEO张宏江、微软必应产品负责人沈向洋、现任微软亚洲研究院院长洪小文、IBM“深蓝”之父许峰雄、“阿里云”之父王坚、今日头条副总裁马维英、商汤科技创始人汤晓鸥、2015年ImageNet冠军孙剑、何恺明，百度高级副总裁王海峰、小米总裁林斌、海尔集团CTO赵峰、科大讯飞副总裁李世鹏……

2018年，微软亚洲研究院成立二十年。

[微软亚洲研究院20年20人][20_20]

## 同济大学微软学生俱乐部 ##

![同济大学微软学生俱乐部][1240 2]

## 参考文献与扩展阅读 ##

> [Custom Vision][Custom Vision 1]
> 
> [Video Indexer][Link 5]
> 
> [学堂在线慕课：微软人工智能-深度学习框架和工具][-]
> 
> [用Microsoft Custom Vision技术识别点东西吧][Microsoft Custom Vision]
> 
> [科普文：大白话讲解卷积神经网络工作原理][Link 1]
> 
> [B站视频：不用写代码，三分钟做一个人工智能小应用][B_Custom Version]
> 
> [视频：三分钟走进卷积神经网络][Link 2]
> 
> [视频：大白话讲解卷积神经网络工作原理][Link 3]
> 
> [微软亚洲研究院][Link 6]
> 
> [微软亚洲研究院20年20人][20_20]
> 
> 作者介绍：
> 
> 张子豪，同济大学在读研究生。微信公众号**人工智能小技巧**运营者。致力于用人类能听懂的语言向大众科普人工智能前沿科技。目前正在制作《说人话的人工智能视频教程》、《零基础入门树莓派趣味编程》等视频教程。西南地区人工智能爱好者高校联盟联合创始人，重庆大学人工智能协会联合创始人。充满好奇的终身学习者、崇尚自由的开源社区贡献者、乐于向零基础分享经验的引路人、口才还不错的程序员。
> 
> 说人话的零基础深度学习、数据科学视频教程、树莓派趣味开发视频教程等你来看！
> 
> 微信公众号：**人工智能小技巧**
> 
> Github代码仓库:TommyZihao
> 
> 个人主页：[www.python666.org][]
> 
> [同济大学开源软件协会][Link 7]
> 
> 同济大学微软学生俱乐部
> 
> 西南人工智能爱好者联盟  
> 重庆大学人工智能协会

[B_Custom Version]: https://www.bilibili.com/video/av35093833
[-]: http://www.xuetangx.com/courses/course-v1:MicrosoftX+Microsoft106+2017_T2/pdfbook/0/
[2018_2]: /images/20220422/d313405adfca4c80a61c29e3ffc9a3df.png
[ResNet]: /images/20220422/e8da2824c31f4c50a7f04405e5e72df3.png
[ResNet 1]: /images/20220422/38daa9a2315e45c8b3fc64be592526c2.png
[Link 1]: https://github.com/TommyZihao/Zihao-Blog/blob/master/%E5%A4%A7%E7%99%BD%E8%AF%9D%E8%AE%B2%E8%A7%A3%E5%8D%B7%E7%A7%AF%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%E5%B7%A5%E4%BD%9C%E5%8E%9F%E7%90%86.md
[Link 2]: https://www.bilibili.com/video/av35094580
[Link 3]: https://www.bilibili.com/video/av35087157
[1240]: /images/20220422/4dafadfc98614455a05426414951b983.png
[AI]: /images/20220422/59cf83fa824243e0a3baa0056a505472.png
[AI 1]: /images/20220422/ba505e63afd34f94b6c73e72fd6b82ee.png
[Cognitive Service]: /images/20220422/b5d3120d1a8a4b71a896b04f6fa74b7d.png
[Link 4]: https://www.customvision.ai
[Custom Vision]: /images/20220422/6ea1c3f88cf049548b6805f327a5df61.png
[Link 5]: http://videoindexer.ai
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxODIyNzgx_size_16_color_FFFFFF_t_70]: /images/20220422/abab20043ff74e9a99414294bb6c1eac.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxODIyNzgx_size_16_color_FFFFFF_t_70 1]: /images/20220422/041cba637fb04fe8a53677d13b9e88f6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxODIyNzgx_size_16_color_FFFFFF_t_70 2]: /images/20220422/132f249a0dc045ebb38dba0dfae394a1.png
[CNTK]: /images/20220422/e724f30c0b094b1aa9ac59ee41efb1a7.png
[CNTK 1]: /images/20220422/a7b4f1c2dcd646c5a8771ae313a8cdd8.png
[CNTK 2]: /images/20220422/4e931f352e3c4a2782ac462ce25a7f21.png
[CNTK 3]: /images/20220422/9924403d1d9140e7bcaf8f2fc4fa7143.png
[CNTK 4]: /images/20220422/7de4e54a5ea04550a5f5ce507bdb0f7e.png
[Github]: /images/20220422/501e1d79a13a49b8995caf0d1ba5d183.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxODIyNzgx_size_16_color_FFFFFF_t_70 3]: /images/20220422/c1d4b3d9ceb548db81a3424fff5fc6fc.png
[1240 1]: /images/20220422/be0c0380807e443882e4a518f13aa19d.png
[20_20]: https://baijiahao.baidu.com/s?id=1616265160012096539&wfr=spider&for=pc
[1240 2]: /images/20220422/a5eace84a828416a9046f6d038884550.png
[Custom Vision 1]: https://www.customvision.ai/
[Microsoft Custom Vision]: http://www.sohu.com/a/227641551_181341
[Link 6]: https://www.msra.cn/
[www.python666.org]: http://www.python666.org
[Link 7]: https://mirrors.tongji.edu.cn/