Apache MXNet in AWS

Crea applicazioni di apprendimento automatico veloci da addestrare ed eseguibili in diversi ambienti

Apache MXNet è un framework scalabile di addestramento e inferenza con un'API intuitiva e pulita per l'apprendimento approfondito.

MXNet include l'interfaccia Gluon, che permette agli sviluppatori con qualsiasi livello di competenza di iniziare ad avvalersi dell'apprendimento approfondito nel cloud, su dispositivi edge e su app per dispositivi mobili. Sono sufficienti poche righe di codice Gluon per creare regressione lineare, reti convoluzionali e reti LSTM ricorrenti per il rilevamento di oggetti, il riconoscimento vocale, le raccomandazioni e la personalizzazione.

Per iniziare a utilizzare MXNet in AWS lasciando che il servizio sia completamente gestito, è possibile utilizzare Amazon SageMaker, una piattaforma con cui è possibile creare, addestrare e distribuire modelli di apprendimento automatico in modo scalabile. In alternativa, è possibile impiegare le AMI di apprendimento approfondito di AWS per creare flussi di lavoro e ambienti personalizzati con TensorFlow e altri framework comuni quali TensorFlow, Caffe, Caffe2, Chainer, PyTorch, Keras e Microsoft Cognitive Toolkit.

Contribuisci al progetto Apache MXNet

Ottieni codice di esempio, notebook e tutorial nella pagina di progetto di GitHub.

social-media-github

Vantaggi dell'apprendimento approfondito con MXNet

Facilità di utilizzo con Gluon

La libreria Gluon di MXNet offre un'interfaccia di alto livello che semplifica prototipazione, addestramento e distribuzione di modelli di apprendimento approfondito senza sacrificare la velocità di addestramento. Gluon offre un livello di astrazione elevato per layer predefiniti, funzioni di perdita e sistemi di ottimizzazione. Inoltre, fornisce una struttura flessibile e intuitiva, di cui è semplice eseguire il debug.

Prestazioni elevate

I carichi di lavoro di apprendimento approfondito possono essere distribuiti su diverse GPU mediante scalabilità non lineare, grazie alla quale è possibile gestire progetti di grandissime dimensioni in minor tempo. Inoltre, la scalabilità sarà applicata in automatico a seconda del numero di GPU in un cluster. Gli sviluppatori potranno anche risparmiare tempo e miglioreranno la produttività eseguendo inferenze serverless basate su batch.

Per IoT e dispositivi edge

Oltre a gestire addestramento su più GPU e distribuzione di modelli complessi nel cloud, MXNet produce rappresentazioni di modelli di reti neurali leggere che possono essere eseguite su dispositivi edge poco potenti quali Raspberry Pi, smartphone o laptop ed elaborare dati in remoto in tempo reale.

Flessibilità e scelta

MXNet supporta un'ampia gamma di sintassi di programmazione, tra cui C++, JavaScript, Python, R, Matlab, Julia, Scala e Go, per poter iniziare a usare il servizio utilizzando un linguaggio già familiare. A livello di back-end, tuttavia, tutto il codice viene compilato in C++ per ottenere le migliori prestazioni possibili indipendentemente dalla sintassi utilizzata per la creazione dei modelli.

Casi di studio su MXNet

Il progetto MXNet può contare oltre 400 contributor, molti dei quali sono sviluppatori di Amazon, Apple, Samsung e Microsoft. Scopri di più sui progetti relativi all'apprendimento approfondito nella community di MXNet.

Amazon SageMaker – Apprendimento automatico

Scopri di più sulle caratteristiche di Amazon SageMaker

Amazon SageMaker è un servizio completamente gestito che consente a sviluppatori e data scientist di creare, istruire e distribuire in modo rapido e semplice modelli di machine learning a qualsiasi livello. Amazon SageMaker rimuove tutti gli ostacoli che normalmente rallentano gli sviluppatori che desiderano utilizzare l'apprendimento automatico.

Hai ulteriori domande?
Contattaci