MXNet

MXNet — це програмне забезпечення для глибинного машинного навчанням з відкритим кодом, яке використовується для навчання та розгортання глибоких нейронних мереж. Є масштабованим, дозволяє швидко навчатись моделям, підтримує гнучку модель програмування та декілька мов програмування (зокрема, C++, Python, Julia, Matlab, JavaScript, Go, R, Scala, Perl та Wolfram Language).

MXNet
Тип Бібліотека для машинного та глибинного навчання
Розробник Apache Software Foundation
Стабільний випуск (8 червня 2019 (2019-06-08)[1])
Версії 1.8.0 (3 березня 2021)[2]
Репозиторій github.com/apache/incubator-mxnet
Операційна система Microsoft Windows
Мова програмування C++[3]
Ліцензія Apache License, Version 2.0d[4] і Apache License
Вебсайт mxnet.readthedocs.org/en/latest/
mxnet.apache.org

MXNet бібліотека є портативною і може масштабуватися на декілька графічних процесорів[5] і кілька машин. MXNet підтримується постачальниками громадськими хмарних послуг, включаючи Amazon Web Services (AWS)[6] та Microsoft Azure[7]. Amazon обрала MXNet в якості основи глибинного навчання на виборі на AWS[8][9]. Наразі MXNet підтримується Intel, Baidu, Microsoft, Wolfram Research та такими науково-дослідними установами, як Карнегі Меллон, MIT, Вашингтонський університет та Гонконгський університет науки і техніки[10].

Особливості

Apache MXNet — це швидкий, гнучкий та надзвичайно масштабований фреймворк глибинного навчання, яка підтримує сучасні технології в моделях глибинного навчання, включаючи згорткові нейронні мережі (CNN) та мережі, які використовують довгу короткострокову пам'ять (LSTM).

Масштабованість

MXNet призначений для використання в динамічній хмарній інфраструктурі, використовуючи розподілений параметризований сервер (на основі досліджень проведених в університеті Карнегі Меллон, Байду та Google[11]), і може досягти майже лінійного масштабування при використанні декількох графічних процесорів або центральних процесорів.

Гнучкість

MXNet підтримує як імперативне, так і символічне програмування, що полегшує розробникам, які звикли до імперативного програмування, розпочати з глибинного навчання. Це також полегшує відстеження, зневадження, збереження контрольних точок, зміну гіперпараметрів, таких як швидкість навчання або виконання ранньої зупинки.

Багатомовність

Підтримує C++ для оптимізованого бекенда, щоб отримати максимум доступних GPU або процесорів, також Python, R, Scala, Julia, Perl, MATLAB та JavaScript для більш простого інтерфейсу для розробників.

Портативність

Підтримує ефективне розгортання підготовленої моделі для пристроїв низького класу для обчислення висновку, таких як мобільні пристрої (з використанням Amalgamation[12]), пристроїв інтернету речей (за допомогою AWS Greengrass), безсерверних обчислень (за допомогою AWS Lambda) або контейнерів. Ці середовища низького класу можуть мати лише слабший процесор або обмежену пам'ять (RAM), і вони повинні мати можливість використовувати моделі, які навчалися у середовищі вищого рівня (наприклад, у кластері на базі GPU).

Див. також

Примітки
  1. Release Apache MXNet (incubating) 1.5.0. Процитовано 8 червня 2019.
  2. Release 1.8.0 — 2021.
  3. MXNet: A Flexible and Efficient Machine LearningLibrary for Heterogeneous Distributed Systems — 2015. — arXiv:1512.01274
  4. https://github.com/dmlc/mxnet
  5. Building Deep Neural Networks in the Cloud with Azure GPU VMs, MXNet and Microsoft R Server. Процитовано 13 травня 2017.
  6. Apache MXNet on AWS - Deep Learning on the Cloud. Amazon Web Services, Inc. Процитовано 13 травня 2017.
  7. Building Deep Neural Networks in the Cloud with Azure GPU VMs, MXNet and Microsoft R Server.. Microsoft TechNet Blogs. Процитовано 6 вересня 2017.
  8. MXNet - Deep Learning Framework of Choice at AWS - All Things Distributed. www.allthingsdistributed.com. Процитовано 13 травня 2017.
  9. Amazon Has Chosen This Framework to Guide Deep Learning Strategy. Fortune. Процитовано 13 травня 2017.
  10. MXNet, Amazon’s deep learning framework, gets accepted into Apache Incubator (амер.). Процитовано 8 березня 2017.
  11. Scaling Distributed Machine Learning with the Parameter Server. Процитовано 8 жовтня 2014.
  12. Amalgamation. Архів оригіналу за 8 серпня 2018. Процитовано 18 серпня 2019.
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.