Apache MXNet na AWS

Crie aplicativos de Machine Learning que podem ser treinados rapidamente e executados em qualquer lugar

O Apache MXNet é uma estrutura de treinamento e inferência rápida e escalável com uma API concisa e fácil de usar para Machine Learning.

O MXNet inclui a interface Gluon, que permite que desenvolvedores com todos os níveis de habilidade comecem a usar a aprendizagem profunda na nuvem, em dispositivos de borda e em aplicativos móveis. Com apenas algumas linhas de código Gluon, é possível criar regressão linear, redes convolucionais e LSTMs recorrentes para detectar objetos, reconhecer fala, recomendar e personalizar.

Comece a usar o MxNet na AWS por meio de uma experiência totalmente gerenciada usando o Amazon SageMaker, uma plataforma para criar, treinar e implantar modelos de Machine Learning em grande escala. Ou use as AMIs de Deep Learning do AWS para criar ambientes e fluxos de trabalho personalizados com o MxNet, além de outras estruturas que incluem TensorFlow, PyTorch, Chainer, Keras, Caffe, Caffe2 e Microsoft Cognitive Toolkit.

Contribua para o projeto Apache MXNet

Obtenha código de exemplo, anotações e conteúdo de tutoriais na página do projeto no GitHub.

Benefícios do aprendizado profundo usando MXNet

Facilidade de uso com Gluon

A biblioteca Gluon do MXNet oferece uma interface de alto nível que facilita a prototipação, o treinamento e a implantação de modelos de aprendizado profundo, sem sacrificar a velocidade de treinamento. O Gluon oferece abstrações de alto nível para camadas, funções de perda e otimizadores predefinidos. Além disso, oferece uma estrutura flexível de uso intuitivo e fácil de depurar.

Maior desempenho

As cargas de trabalho de aprendizado profundo podem ser distribuídas em várias GPUs com escalabilidade quase linear, o que significa que projetos extremamente grandes podem ser processados em menos tempo. Da mesma forma, a escalabilidade é automática e depende do número de GPUs em um cluster. Além disso, os desenvolvedores podem economizar tempo e aumentar a produtividade executando inferências sem servidor e baseadas em lotes.

Para IoT e a borda

Além de processar o treinamento de várias GPUs e a implantação de modelos complexos na nuvem, o MXNet gera representações de modelos de redes neurais leves que podem ser executadas em dispositivos de menor capacidade na borda, como Raspberry Pi, smartphones ou laptops, bem como processar dados remotamente em tempo real.

Flexibilidade e escolha

O MXNet oferece suporte a um amplo conjunto de linguagens de programação, incluindo C++, JavaScript, Python, R, Matlab, Julia, Scala, Clojure e Perl, o que permite começar com linguagens já conhecidas. No entanto, todo o código do back-end é compilado em C++ para maximizar o desempenho, independentemente da linguagem usada par criar os modelos.

Dinâmica dos clientes

Cimpress
logo beeva horizontal1

Estudos de caso

Há mais de 500 colaboradores no projeto do MXNet, incluindo desenvolvedores da Amazon, NVIDIA, Intel, Samsung e Microsoft. Saiba mais sobre como os clientes estão usando o MXNet para projetos de aprendizado profundo. Para mais estudos de caso, consulte o blog de machine learning e o blog do MXNet da AWS.

Amazon SageMaker para Machine Learning

Saiba mais sobre o Amazon SageMaker

O Amazon SageMaker é um serviço totalmente gerenciado que permite que desenvolvedores e cientistas de dados criem, treinem e implantem modelos de Machine Learning de forma rápida e fácil em qualquer escala. O Amazon SageMaker remove todas as barreiras que normalmente atrapalham os desenvolvedores que querem usar o Machine Learning.