我想知道CNTK是否死亡？GitHub上的发行说明日期为03/31/2019：“今天的2.7版本将是CNTK的最后一个主要版本。” 我花了几个月的时间使用CNTK开发软件，现在看来浪费时间和金钱。我已经在许多站点上搜索了答案，但仍然没有答案。stackoverflow是Microsoft推荐的站点之一。
来自CNTK的维护者之一KedengMS。从github转发。
感谢所有CNTK的支持者，我很荣幸能够为此工作，并在此过程中学到了很多东西。您可以继续使用CNTK进行当前的训练和推理，因为其他Microsoft内部团队即使在BrainScript或NDL中仍然可以运行旧模型。停止添加新功能并不意味着CNTK不再是开源的，仅意味着向前发展，将不会有新的GPU支持（例如CUDA 11+），也不会添加任何主要的新功能。对于不同的用户场景，我认为您可能有不同的选择：
深度学习新手：如果您发现CNTK文档/教程/示例非常有用，那么IMO CNTK仍然是理解深度学习基础的好入门。一旦学习了基础知识，在框架之间进行切换就不会太困难。但是，DL领域正在迅速变化，CNTK已经在很多方面落后了，因此，如果您需要动态图形等更高级的功能，PyTorch将是一个更好的选择。
模型维护者：如果您已经在使用CNTK模型，并且维护它只是意味着要训练新数据，则可以继续使用当前使用CNTK的方式。实际上，Microsoft内部的团队也在这样做。如果存在严重的错误会影响生产率，则仍将修复它们。为了进行推理，您可以继续使用CNTK C / C ++ / Python / C＃/ Java API，也可以导出ONNX格式的CNTK模型，并使用ONNX Runtime或ORT作为更苗条，更快的推理引擎。您会惊讶地发现它与CNTK相比要快得多，设置也更纤薄（当您只需要推断时就忘了OpenMPI！）。ORT当前提供C / C ++ / Python / C＃接口。
模型构建器：如果您具有CNTK模型，并且想要使用CNTK当前不支持的功能，请考虑切换到其他框架，例如TensorFlow / PyTorch / etc。我们的团队在PyTorch内完成了许多数据读取器工作，以确保Microsoft的团队可以从CNTK切换到PyTorch。此外，我们也正在将CNTK特定的分布式培训师（如BMUF）迁移到PyTorch。希望您在迁移模型时也会发现它有用。
关于开源的好处是，社区可以根据需要继续派生/发展，这与其他仅提供二进制文件的Microsoft产品不同（我正在寻找Win7）。