微软，NVIDIA努力加速A.I.平台Powering Cortana.
Microsoft“CNTK（认知工具包）是许多培训计算机学习的平台中的一个，它是升级的。
CNTK驱动Microsoft Services Cortana和Skype语言翻译，它在语音识别任务中拥有90％以上的准确性。微软即将发布升级的CNTK Toolkit，一个硬件制造商想要确保工具包最适合其硬件。
NVIDIA正在与Microsoft合作，优化其GPU开发工具的CNTK。这些公司创建了一组深入学习的算法和库，将加速CNTK，以在GPU上执行类似图像和语音识别的AI任务。
像CNTK这样的深度学习工具是Sandboxes，其中开发人员可以为计算机创建模型来解决特定问题。最终目标是建立一个训练有素的模型，可以准确地执行特定任务，例如通过大量的医疗数据进行洗牌以诊断疾病。
基于输入，研究人员不断修改模型和调整参数。一个这样的调整优化了神经网络连接以获得更好的A.i。能力和更多GPU和服务器缩放培训模型。
计算机模型的培训可以运行日期，需要强烈的计算马力。GPUS电源深入学习谷歌和Facebook的公司，微软允许一些客户作为其天蓝色云服务的一部分测试GPU。更新的CNTK工具将在Microsoft“S Azure N系列云产品上更快地运行，该云产品在基于NVIDIA的旧开普和麦克斯韦体系结构上的GPU上运行。
可以使用NVIDIA的DGX超级计算机购买更新的CNTK工具，该计算机费用为129,000美元，并根据最新的Pascal架构拥有八个Tesla P100 GPU。
NVIDIA加速计算副总裁Ian Buck表示，NVIDIA一直与即将到来的CNTK发布的GPU深度学习图书馆合作。
来自NVIDIA的GPU已经在CNTK与现有库上工作，但新框架将提供大的性能升级。BUCK表示，在系统中，在系统中八个GPU的深度学习培训时间有7.4倍。
巴克拒绝评论新工具何时发布。
NVIDIA在CUDNN等工具中取得了改进，为基于GPU的深度学习提供了库和算法。CUDNN是CUDA的核心基础技术，它是NVIDIA的并联编程框架。
还有其他深度学习的框架，如谷歌，Theano和开源Caffe，其擅长图像识别。英特尔和IBM等公司已将这些框架分叉以其硬件最佳地工作。NVIDIA的GPU已经支持大多数深度学习框架，但现在CNTK现在有一个优势。
谷歌已经出现了自己的推理芯片，称为张量加工单元，旨在提高深度学习结果。谷歌可以建立自己的硬件，因为它可以在更大的尺度上部署深度学习，但对于小型公司来说，可能是部署深度学习系统的昂贵;相反，他们可以转向云服务。
