Apache MXNet on AWS 是一种快速并且可扩展的训练与推理框架，附带简单易用的机器学习 API。
MXNet 采用 Gluon 接口，让各种技能水平的开发人员都可以在云、边缘设备和移动应用程序上进行深度学习。只需编写几行 Gluon 代码，您就可以构建线性回归、卷积网络和复现 LSTM，用于实现对象检测、语音识别、建议和个性化。
您可以在 AWS 上利用 Amazon SageMaker 这个可以大规模构建、训练和部署机器学习模型的平台开始使用具有完全托管体验的 MXNet。或者，您可以使用 AWS 深度学习 AMI，通过 MxNet 以及其他框架（包括 TensorFlow、PyTorch、Chainer、Keras、Caffe、Caffe2 和 Microsoft Cognitive Toolkit）来构建自定义环境和工作流程。
使用 MXNet 进行机器学习的优势
支持 Gluon，易于使用
MXNet 的 Gluon 库提供一个高级接口，让用户可以轻松创建、训练和部署机器学习模型，并且不影响训练速度。Gluon 可以针对预定义的层、损失函数和优化器提供高层抽象功能。它还具有灵活的结构，使用直观，易于调试。
性能更高
深度学习工作负载可以分布在具有近线性可扩展性的多个 GPU 中，这意味着可以在更短的时间内处理特别大的项目。而扩展会根据集群中的 GPU 数量自动进行。开发人员还可以批量运行无服务器的推断，从而节省时间并提高工作效率。
支持 IoT 和边缘设备
除了在云中处理多 GPU 训练和部署复杂模型之外，MXNet 还可以生成轻量级的神经网络模型，这些模型可以在 Raspberry Pi、智能手机或笔记本电脑等低功耗边缘设备上运行，并实时远程处理数据。
灵活性高，选择丰富
MXNet 支持大量编程语言，例如 C++、JavaScript、Python、R、Matlab、Julia、Scala、Clojure 和 Perl，因此您可以使用自己了解的语言开始工作。但是在后端，所有代码都以 C++ 编译，因此无论构建模型使用的是哪种语言，都能实现最高性能。
客户动力
用于机器学习的 Amazon SageMaker
Amazon SageMaker 是一项完全托管的服务，可以帮助开发人员和数据科学家快速轻松地构建、训练和部署任何规模的机器学习模型。Amazon SageMaker 消除了通常会阻碍开发人员使用机器学习的所有障碍。
还有更多问题？
联系我们