AWS での Apache MXNet

すばやくトレーニングしてどこででも実行できる、機械学習アプリケーションを構築

Apache MXNet は、高速でスケーラブルなトレーニングおよび推測フレームワークで、機械学習用の使いやすく簡潔な API が付属します。

MXNet には Gluon インターフェイスが含まれ、開発者はこれによって、自身のスキルレベルにかかわらず、クラウド、エッジデバイス、モバイルアプリケーションでの深層学習を開始できます。数行の Gluon コードで、オブジェクト検出、音声認識、レコメンデーション、パーソナライズといった用途の直線回帰、畳み込みネットワーク、リカレント LSTM を構築できます。

AWS 深層学習 AMI を起動して、AWS で MXNet と Gluon の使用を開始してください。この AMI は Amazon Linux と Ubuntu のいくつかのバージョンで利用できます。

Apache MXNet プロジェクトに貢献する

GitHub プロジェクトページで、サンプルコード、ノートブック、チュートリアルのコンテンツを入手します。

social-media-github

MXNet を使用した深層学習の利点

Gluon による使いやすさ

MXNet の Gluon ライブラリは、トレーニングのスピードを犠牲にすることなく深層学習モデルのプロトタイプの作成、トレーニング、デプロイを簡単に行うことが可能な、ハイレベルなインターフェイスを提供します。Gluon では、定義済みレイヤー、損失関数、オプティマイザ用のハイレベルな抽象化が提供されています。また、構造は柔軟なため直感的に作業でき、デバッグも容易です。

さらに優れたパフォーマンス

深層学習ワークロードは複数の GPU に線形に近いスケーラビリティで分散させることができます。つまり、非常に巨大なプロジェクトを短い時間で処理できます。さらに、スケーリングはクラスター内の GPU 数に応じて自動的に実行されます。また、開発者はサーバーレスかつバッチベースの推測を実行することで、時間を節約して生産性を向上させることができます。

IoT およびエッジ向け

クラウド内での複数 GPU トレーニングおよび複雑なモデルのデプロイに加えて、MXNet では Raspberry Pi、スマートフォン、ラップトップなどマシンパワーの低いエッジデバイスで実行でき、リモートでデータのリアルタイム処理が可能な、軽量なニューラルネットワークモデル表現も生成されます。

柔軟性と選択肢

MXNet では、C++、JavaScript、Python、R、Matlab、Julia、Scala、Go といったプログラミング言語が幅広くサポートされているため、自分の既に知っている言語で開始することができます。ただし、バックエンドではすべてのコードが C++ にコンパイルされるため、モデル構築に使用された言語にかかわりなく最大限のパフォーマンスを発揮できます。

MXNet 導入事例

MXNet プロジェクトには、Amazon、Apple、Samsung、Microsoft の開発者を含め、400 を超えるコントリビューターが存在します。MXNet コミュニティの深層学習プロジェクトの詳細については、以下をご覧ください。

AWS での MXNet の使用を開始する

icon1

AWS アカウントにサインアップする

すぐに AWS のサービスを利用できるようになります。

icon2

AWS 深層学習 AMI を入手する

プロジェクトに合った AMI とインスタンスタイプを選択してください。

icon3

MXNet での構築を開始する

これらのシンプルなチュートリアルを使って、構築を開始してください。

AWS での深層学習について

AWS 深層学習 AMI を使うと、カスタムモデルをトレーニングし、新しいアルゴリズムを試し、新しい深層学習のスキルやテクニックを学ぶことができます。AMI は、Apache MXNet と Gluon、TensorFlow、Microsoft Cognitive Toolkit、Caffe、Caffe2、Theano、Torch、PyTorch、Keras といったオープンソースの深層学習フレームワークが事前インストールされた、いくつかのバージョンで入手できます。AMI の使用に追加料金はかかりません。アプリケーションを保存および実行するために必要な AWS のリソースに対してのみお支払いいただきます。詳細はこちら >

始める準備はできましたか?
サインアップ
ご不明な点がおありですか?
お問い合わせ