Apache MXNet 是一个灵活且可扩展的深度学习框架,支持多种深度学习模型、编程语言,并且有一个开发接口,因其易用性而受到高度重视。

什么是 APACHE MXNET?

MXNet 是开源深度学习框架,允许用户在多种设备(无论是云基础设施还是移动设备)上定义、训练和部署深度神经网络。该框架具备高度可扩展性,可以进行快速的模型训练,并支持灵活的编程模型和多种语言。

利用 MXNet 可以混合符号和命令式编程,以更大限度提升效率和生产力。该框架的核心是动态依赖性调度程序,可自动即时并行处理符号式操作和命令式操作图形优化层使符号执行速度更快、内存效率更高。

MXNet 库可移植并且规模小巧。它采用 NVIDIA Pascal™ GPU 加速,可以跨多个 GPU 和多个节点进行扩展,从而更快地训练模型。

为何选择 APACHE MXNET?

Apache MXNet 提供以下主要特性和优势:

混合前端:命令符号混合 Gluon API 提供了一种简单的方法,无需牺牲训练速度即可对模型进行原型设计、训练和部署。开发者仅需几行 Gluon 代码,就能构建线性回归、CNN 和循环 LSTM 模型,以用于物体检测、语音识别和推荐引擎等。
可扩展性:MXNet 从头开始专为云基础设施设计,采用分布式参数服务器,可以使用多个 GPU 或 CPU 实现近线性扩展。深度学习工作负载可跨多个 GPU 进行分配,实现近线性可扩展性和自动扩展。Amazon Web Services 运行的测试发现,在包含 128 个 GPU 的集群中,MXNet 的性能比使用单个 GPU 快 109 倍。正是由于 MXNet 具有扩展到多个 GPU(跨多个主机)的能力,及其开发速度和可移植性,AWS 才选择 MXNet 作为深度学习框架,而不是 TensorFlow、Theano 和 Torch 等其他选择。
生态系统:MXNet 具有适用于计算机视觉、自然语言处理、时间序列等的工具包和库。
语言:MXNet 支持的语言包括 Python、C++、R、Scala、Julia、Matlab 和 JavaScript。MXNet 还可以编译成 C++,生成一种轻量级神经网络模型表征,可以在各种设备上运行,包括 Raspberry Pi 等低功耗设备和云服务器。

 

相关导航