| Apache MXNet | |
|---|---|
| Тип | Library for machine learning and deep learning |
| Разработчик | Apache Software Foundation |
| Написана на | C++, Python, R, Java, Julia, JavaScript, Scala, Go, Perl |
| Операционные системы | Windows, macOS, Linux |
| Последняя версия | |
| Репозиторий | github.com/apache/incuba… |
| Лицензия | Apache License 2.0 |
| Сайт | mxnet.apache.org |
Apache MXNet — фреймворк машинного обучения с открытым исходным кодом, используемый для обучения и развертывания сетей глубокого обучения. Он масштабируем, что позволяет проводить быстрое обучение модели, а также поддерживает гибкие модели программирования и множественные языки программирования (включая C++, Python, Java, Julia, MATLAB, JavaScript, Go, R, Scala, Perl, и Wolfram). Библиотека MXNet портируема и может масштабироваться с использованием множества графифических процессоров[2], а также с использованием множества компьютеров. MXNet был разработан совместно с Карлосом Гестрином в Университете Вашингтона (вместе с GraphLab)[3].
Функциональные возможности
Apache MXNet — масштабируемый фреймворк, предназначенный для глубокого обучения и поддерживающий различные модели, в том числе, такие как: Свёрточные нейронные сети (CNNs) и сети долгой краткосрочной памяти (LSTMs).
Масштабируемость
MXNet может быть распространен на динамической облачной инфраструктуре с использованием распределенного сервера параметров (на основе исследований Университета Карнеги-Меллона и компаний Baidu и Google [4]). При использовании нескольких GPU или СPU фреймворк приближается к линейному масштабированию.
Настраиваемость
MXNet поддерживает как императивное, так и символьное программирование. Фреймворк позволяет разработчикам производить отслеживание, отлаживание, сохранение контрольных точек, изменение гиперпараметров, а также выполнение ранней остановки.
Поддержка языков программирования
MXNet поддерживает Python, R, Scala, Clojure, Julia, Perl, MATLAB и JavaScript для фронтенд разработки и C++ для бэкенд оптимизации.
Переносимость
MXNet поддерживает эффективное развертывание обученной модели для использования на недорогих устройствах, таких как мобильные устройства (с использованием Amalgamation[5]), устройства класса интернет вещей (с использованием AWS Greengrass), бессерверные вычисления (с использованием AWS Lambda) или контейнеров. Эти не высокопроизводительные среды могут иметь или не мощный центральный процессор или ограниченную оперативную память (RAM) и должны иметь возможность использовать модели, которые были обучены с использованием более высокопроизводительных сред (например, кластеров, основанных на графических процессорах).
Облачная поддержка
MXNet поддерживается поставщиками публичных облачных вычислений, в число которых входит Amazon Web Services (AWS)[6] и Microsoft Azure[7]. Компания Amazon выбрала MXNet в качестве основного фреймворка глубоко обучения на AWS[8][9]. На сегодняшний день MXNet поддерживается Intel, Baidu, Microsoft, Wolfram Research, а также исследовательскими институтами такими, как Университет Карнеги — Меллона, Массачусетский технологический институт, Вашингтонский университет и Гонконгский университет науки и технологии[10].
См. также
Примечания
- ↑ Release 1.9.1 — 2022.
- ↑ Building Deep Neural Networks in the Cloud with Azure GPU VMs, MXNet and Microsoft R Server. Microsoft. Дата обращения: 13 мая 2017. Архивировано 4 августа 2017 года.
- ↑ Carlos Guestrin — Stanford University. Дата обращения: 7 марта 2023. Архивировано 15 июня 2021 года.
- ↑ Scaling Distributed Machine Learning with the Parameter Server. Дата обращения: 8 октября 2014. Архивировано 12 декабря 2014 года.
- ↑ Amalgamation. Дата обращения: 8 мая 2018. Архивировано из оригинала 8 августа 2018 года.
- ↑ Apache MXNet on AWS - Deep Learning on the Cloud. Amazon Web Services, Inc.. Дата обращения: 13 мая 2017. Архивировано 24 июня 2017 года.
- ↑ Building Deep Neural Networks in the Cloud with Azure GPU VMs, MXNet and Microsoft R Server. Microsoft TechNet Blogs. Дата обращения: 6 сентября 2017. Архивировано 4 августа 2017 года.
- ↑ MXNet - Deep Learning Framework of Choice at AWS - All Things Distributed. www.allthingsdistributed.com (22 ноября 2016). Дата обращения: 13 мая 2017. Архивировано 7 мая 2017 года.
- ↑ Amazon Has Chosen This Framework to Guide Deep Learning Strategy. Fortune. Дата обращения: 13 мая 2017. Архивировано 4 февраля 2017 года.
- ↑ "MXNet, Amazon's deep learning framework, gets accepted into Apache Incubator" (англ.). Архивировано 9 марта 2017. Дата обращения: 8 марта 2017.
{{cite news}}: Указан более чем один параметр|accessdate=and|access-date=(справка)
| Свободное ПО | |
|---|---|
| Несвободное ПО |
|
| |
Эта страница в последний раз была отредактирована 5 марта 2024 в 12:01.
Обычно почти сразу, изредка в течении часа.