Apache MXNet على AWS

بناء تطبيقات التعلم الآلي التي تتدرب بسرعة وتعمل من أي مكان

Apache MXNet تدريب سريع ومتكيف وإطار عمل للاستنتاج بواجهة برمجة تطبيقات سهلة الاستخدام ومدمجة للتعلم الآلي

يتضمن MXNet واجهة Gluon التي تسمح للمطورين من كل مستويات المهارات بالبدء بالتعلم العميق على السحابة وعلى أجهزة التخزين المؤقت وعلى تطبيقات الهاتف المحمول. في سطور قليلة فقط من تعليمات Gluon البرمجية، يمكنك بناء تراجع خطي وشبكات التفافية ووحدات LSTM متكررة للكشف عن الكائنات والتّعرف على الكلام وتوصية وتخصيص.

يمكنك البدء على AWS بتجربة MxNet مُدارة بالكامل باستخدام Amazon SageMaker، نظام أساسي لنماذج بناء وتدريب وتوزيع التعلُّم الآلي بالحجم المطلوب. أو، يمكنك استخدام AWS Deep Learning AMIs لبناء بيئات التخصيص ومسارات العمل مع MxNet إلى جانب إطارات العمل الأخرى بما في ذلك TensorFlow، وPyTorch، وChainer، وKeras، وCaffe، وCaffe2، وMicrosoft Cognitive Toolkit.

ساهم في مشروع Apache MXNet

احصل على عينة تعليمات برمجية وأجهزة دفترية ومحتوى تعليمي على صفحة مشروع GitHub.

social-media-github

مزايا التعليم العميق باستخدام MXNet

سهولة الاستخدام مع Gluon

تقدم مكتبة MXNet واجهة عالية المستوى تيسر عمل النماذج الأولية والتدريب ونشر نماذج التعلم العميق بدون التضحية بسرعة التدريب. تقدم Gluon ملخصات عالية المستوى للطبقات سابقة التعريف ودوال الخسارة وأدوات التحسين. كما أنها تقدم بنية مرنة بديهية في الاستخدام وسهلة في إصلاح الأخطاء.

أداء أكبر

يمكن توزيع أعباء عمل التعلم العميق عبر عدة وحدات معالجة رسومية مع إمكانية تكيف شبه خطية مما يعني أنه يمكن التعامل مع المشاريع الكبيرة جدًا في وقت أقل. كما أن التكيف تلقائي على حسب عدد وحدات المعالجة الرسومية في قطاع. ويوفر المطورون أيضًا الوقت ويرفعون الإنتاجية عن طريق تشغيل التخمين بدون خادم والمستند إلى الدفعة.

بالنسبة إلى إنترنت الأشياء والتخزين المؤقت

بالإضافة إلى التدريب على التعامل مع الوحدات الرسومية المتعددة ونشر النماذج المعقدة في السحابة، ينتج MXNet تمثيلات نموذج شبكة عصبية خفيفة يمكنها أن تعمل على أجهزة تخزين مؤقت بطاقة أقل مثل Raspberry Pi أو هاتف ذكي أو كمبيوتر محمول وتعالج البيانات عن بُعد في الوقت الفعلي.

المرونة والاختيار

يدعم MXNet مجموعة واسعة من لغات البرمجة - بما في ذلك C++ وJavaScript وPython وR وMatlab وJulia وScala وClojure وPerl - كي يمكنك البدء باللغات التي تعرفها بالفعل. إلا أنه على الطرف الخلفي تتألف كل التعليمات البرمجية من لغة C++ لتحقيق أكبر أداء بغض النظر عن اللغة المستخدمة لبناء النماذج.

تحفيز العملاء

Amazon
Banjo
Samsung_SDS
Celgene
CMU
Wolfram
200x100_NTT-DOCOMO_Logo
Nvidia-logo-01
Intel
Jam_City
Julia_Computing
Lohika
MNLAB_KAIST
Emory_NLP
PIXM
Borealis_AI
Cimpress
SPL_Seoul_National_University
Teamwork
tusimple-logo-100x50
Curalate
Logo-BEEVA
gumgum-logo
basler-logo
infer-logo
moqi-logo-150x50
bytedance-logo
eagleview-logo

دراسات الحالة

هناك أكثر من 500 مساهم في مشروع MXNet، بما في ذلك مطورون من Amazon وNVIDIA وIntel وSamsung وMicrosoft. تعلم المزيد عن كيفية استخدام العملاء لـ MXNet مع مشروعات التعلم المتعمقة. لمزيد من دراسات الحالة، انظر مدونة التعلم الآلي الخاصة بـ AWS ومدونة MXNet.

Amazon SageMaker من أجل التعلُّم الآلي

تعلم المزيد عن Amazon SageMaker

إن Amazon SageMaker خدمة تتم إدارتها بالكامل لتمكين المطورين وعلماء البيانات من بناء نماذج التعلُّم الآلي، والتدريب عليها وتوزيعها بسرعة وسهولة على أي نطاق. يعمل Amazon SageMaker على إزالة جميع الحدود التي عادةً ما تؤدي إلى إبطاء المطورين الذين يرغبون في استخدام التعلُّم الآلي.

هل لديك مزيد من الأسئلة؟
اتصل بنا