Apache MXNet trên AWS

Xây dựng ứng dụng machine learning có khả năng đào tạo nhanh chóng và chạy ở bất kỳ đâu

Apache MXNet là một framework đào tạo và suy luận nhanh, có quy mô linh hoạt, có API chính xác, dễ sử dụng dành cho machine learning.

MXNet bao gồm giao diện Gluon, giao diện này cho phép nhà phát triển thuộc mọi trình độ bắt đầu sử dụng deep learning trên đám mây, trên thiết bị biên và trên ứng dụng di động. Chỉ bằng một vài dòng mã Gluon, bạn có thể xây dựng được mạng tích chập, hồi quy tuyến tính và các LSTM hồi quy để phát hiện đối tượng, nhận dạng giọng nói, gợi ý và tùy chỉnh theo sở thích cá nhân.

Bạn có thể bắt đầu trên AWS với trải nghiệm MXNet được quản lý toàn phần với Amazon SageMaker, một nền tảng giúp xây dựng, đào tạo và triển khai các mô hình machine learning theo quy mô mong muốn. Hoặc, bạn có thể sử dụng AWS Deep Learning AMIs để xây dựng các môi trường và luồng công việc tùy chỉnh với MxNet và các khung làm việc phổ biến khác bao gồm TensorFlow, PyTorch, Chainer, Keras, Caffe, Caffe2 và Microsoft Cognitive Toolkit.

Đóng góp cho dự án Apache MXNet

Tải xuống đoạn mã mẫu, sổ ghi chép và tài liệu hướng dẫn ở trang dự án GitHub.

social-media-github

Lợi ích của deep learning khi sử dụng MXNet

Dễ dàng sử dụng với Gluon

Thư viện Gluon của MXNet cung cấp một giao diện ở mức khái quát, giúp dễ dàng chạy nguyên mẫu, đào tạo và triển khai các mô hình deep learning mà không phải hy sinh tốc độ đào tạo. Gluon cung cấp các mô hình lược giản ở mức khái quát cho các lớp được xác định trước, hàm tổn thất và công cụ tối ưu hóa. Gluon cũng cung cấp một cấu trúc linh hoạt giúp tương tác trực quan và dễ dàng gỡ lỗi.

Hiệu suất cao hơn

Có thể phân phối khối lượng công việc deep learning trên nhiều GPU có khả năng thay đổi quy mô cận tuyến tính, tức là có thể thực hiện những dự án siêu lớn trong thời gian ngắn hơn. Đồng thời, khả năng thay đổi quy mô được tự động, tùy thuộc vào số lượng GPUs có trong một cụm. Nhà phát triển cũng tiết kiện được thời gian và cải thiện năng suất bằng cách chạy tác vụ suy diễn serverless và theo lô.

Đối với IoT và Edge

Ngoài việc xử lý được hoạt động đào tạo nhiều GPU và triển khai các mô hình phức tạp, MXNet còn giới thiệu mô hình mạng nơ-ron có trọng lượng nhẹ để chạy trên các thiết bị biên tiêu thụ ít điện năng hơn chẳng hạn như Raspberry Pi, điện thoại thông minh hay máy tính xách tay và xử lý dữ liệu từ xa theo thời gian thực.

Linh hoạt và lựa chọn

MXNet hỗ trợ nhiều ngôn ngữ lập trình khác nhau–bao gồm C++, JavaScript, Python, R, Matlab, Julia, Scala và Go–vì vậy bạn có thể bắt đầu với ngôn ngữ mà bạn đã biết. Tuy nhiên về phía backend, toàn bộ mã được viết bằng ngôn ngữ C++ để đạt hiệu suất cao nhất bất kể ngôn ngữ gì được dùng để xây dựng mô hình.

Tạo đà khách hàng

Nghiên cứu điển hình

Có trên 500 người đóng góp vào dự án MXNet, bao gồm các nhà phát triển của Amazon, Apple, Samsung và Microsoft. Tìm hiểu thêm về các dự án deep learning của cộng đồng MXNet.

Amazon SageMaker dành cho machine learning

Tìm hiểu thêm về Amazon SageMaker

Amazon SageMaker là dịch vụ được quản lý toàn phần, cho phép các nhà phát triển và nhà khoa học dữ liệu nhanh chóng và dễ dàng xây dựng, đào tạo và triển khai các mô hình machine learning ở bất kỳ quy mô nào. Amazon SageMaker loại bỏ toàn bộ những rào cản thường gây cản trở cho nhà phát triển khi muốn sử dụng machine learning.

Bạn có thêm câu hỏi?
Hãy liên hệ chúng tôi