جعبه ابزار شناختی مایکروسافت - که قبلاً با عنوان CNTK شناخته می شد - از طریق یادگیری عمیق با ارائه مقیاس گذاری ، سرعت و دقت با کیفیت تجاری و سازگاری با زبان های برنامه نویسی و الگوریتم هایی که قبلاً از آنها استفاده می کنید ، این امکان را به شما می دهد تا از هوش درون داده های گسترده استفاده کنند.می تواند به عنوان یک کتابخانه در برنامه های Python یا C ++ شما گنجانده شود ، یا از طریق زبان توصیف مدل خود (BrainScript) به عنوان یک ابزار یادگیری ماشین مستقل مورد استفاده قرار گیرد.CNTK از سیستم عامل های لینوکس 64 بیتی یا 64 بیتی ویندوز پشتیبانی می کند.برای نصب می توانید بسته های باینری از پیش کامپایل شده را انتخاب کنید ، یا از منابعی که در Github تهیه شده است ، Toolkit را کامپایل کنید.کامپوننت های داخلی بسیار بهینه شده ، کامپوننت ها می توانند داده های متراکم یا باریک چند بعدی را از Python ، C ++ یا BrainScript FFN ، CNN ، RNN / LSTM ، عادی سازی دسته ای ، دنباله به دنباله با توجه و یادگیری تقویت کننده بیشتر ، شبکه های دشمن محرک ،یادگیری نظارت شده و نظارت نشده امکان اضافه کردن مؤلفه های اصلی تعریف شده توسط کاربر بر روی GPU از تنظیم تنظیم Hyperparameter اتوماتیک Python ساخته شده در خوانندگان داخلی برای داده های گسترده بهینه شده است. استفاده مواز از کارآیی منابع بهینه موازی با دقت در چندین GPU / ماشین از طریق 1 بیتی SGD و بلوک حافظهبه اشتراک گذاری و سایر روشهای داخلی برای جا دادن حتی بزرگترین مدلهای حافظه GPU به راحتی شبکه های خود را برای برنامه های کامل برای تعریف شبکه ها ، زبان آموزان ، خوانندگان ، آموزش و ارزیابی از Python ، C ++ و BrainScript ارزیابی کنید با مدل های Python ، C ++ ، C # و BrainScriptInteroperation with NumPy هر دو API سطح بالا و سطح پایین برای سهولت در استفاده و انعطاف پذیری استنتاج شکل خودکار بر اساس داده های شماآموزش و میزبانی با لاجورد از منابع با سرعت بالا در هنگام استفاده با GPU لاجورد و شبکه های لاجورد میزبان مدل های آموزش داده شده به راحتی روی لاجورد استفاده کرده و در صورت دلخواه به آموزش زمان واقعی اضافه می کند.