Apache MXNet - Apache MXNet

Apache MXNet
Разработчики)Фонд программного обеспечения Apache
Стабильный выпуск
1.7.0[1] / 25 августа 2020; 3 месяца назад (25 августа 2020 г.)
Репозиторий
Отредактируйте это в Викиданных
Написано вC ++, Python, р, Ява, Юля, JavaScript, Scala, Идти, Perl
Операционная системаWindows, macOS, Linux
ТипБиблиотека для машинное обучение и глубокое обучение
ЛицензияЛицензия Apache 2.0
Интернет сайтmxnet.apache.org

Apache MXNet является Открытый исходный код глубокое обучение программная среда, используется для обучения и развертывания глубокие нейронные сети. Он масштабируемый, что позволяет быстро модельное обучение, и поддерживает гибкий модель программирования и несколько языки программирования (включая C ++, Python, Ява, Юля, Matlab, JavaScript, Идти, р, Scala, Perl, и Язык Wolfram Language.)

MXNet библиотека является портативный и может масштаб к множеству GPU[2] и несколько машин. MXNet поддерживается публичное облако провайдеры, включая Веб-сервисы Amazon (AWS)[3] и Microsoft Azure.[4] Amazon выбрала MXNet в качестве предпочитаемой платформы глубокого обучения в AWS.[5][6] В настоящее время MXNet поддерживается Intel, Baidu, Microsoft, Wolfram Research, и исследовательские институты, такие как Карнеги Меллон, Массачусетский технологический институт, то Вашингтонский университет, а Гонконгский университет науки и технологий.[7]

Функции

Apache MXNet - это компактная, гибкая и ультра-масштабируемая среда глубокого обучения, которая поддерживает самые современные модели глубокого обучения, включая сверточные нейронные сети (CNN) и долговременная кратковременная память сети (LSTM).

Масштабируемый

MXNet предназначен для распространения на динамических облачная инфраструктура, с помощью распределен сервер параметров (на основе исследования Университет Карнеги Меллон, Baidu, и Google[8]), и может достичь почти линейного масштаба с несколькими графическими процессорами или Процессоры.

Гибкий

MXNet поддерживает как императивное, так и символьное программирование, что упрощает разработчикам, привыкшим к императивному программированию, начало работы с глубоким обучением. Это также упрощает отслеживание, отладку, сохранение контрольных точек, изменение гиперпараметры, такие как скорость обучения или выполнить ранняя остановка.

Несколько языков

Поддерживает C ++ для оптимизированной серверной части, чтобы максимально использовать доступный GPU или CPU, а также Python, R, Scala, Clojure, Julia, Perl, MATLAB и JavaScript для простого интерфейса для разработчиков.

Портативный

Поддерживает эффективное развертывание обученной модели на устройствах низкого уровня для вывода, таких как мобильные устройства (с использованием Amalgamation[9]), Интернет вещей устройства (с использованием AWS Greengrass), бессерверные вычисления (с помощью AWS Lambda ) или контейнеры. Эти низкоуровневые среды могут иметь только более слабый ЦП или ограниченную память (ОЗУ) и должны иметь возможность использовать модели, которые были обучены в среде более высокого уровня (например, кластер на основе графического процессора).

Смотрите также

Рекомендации

  1. ^ «Релиз 1.7.0». 25 августа 2020 г.. Получено 6 сентября 2020.
  2. ^ «Создание глубоких нейронных сетей в облаке с помощью виртуальных машин с графическим процессором Azure, MXNet и Microsoft R Server». Получено 13 мая 2017.
  3. ^ «Apache MXNet на AWS - глубокое обучение в облаке». Amazon Web Services, Inc. Получено 13 мая 2017.
  4. ^ «Построение глубоких нейронных сетей в облаке с помощью виртуальных машин Azure GPU, MXNet и Microsoft R Server». Блоги Microsoft TechNet. Получено 6 сентября 2017.
  5. ^ «MXNet - предпочтительная структура глубокого обучения в AWS - все распределено». www.allthingsdistributed.com. Получено 13 мая 2017.
  6. ^ «Amazon выбрала эту платформу для руководства стратегией глубокого обучения». Удача. Получено 13 мая 2017.
  7. ^ «MXNet, платформа глубокого обучения Amazon, принимается в Apache Incubator». Получено 2017-03-08.
  8. ^ «Масштабирование распределенного машинного обучения с помощью сервера параметров» (PDF). Получено 2014-10-08.
  9. ^ «Объединение». Архивировано из оригинал на 2018-08-08. Получено 2018-05-08.