MXNet: відмінності між версіями

{{Картка програми
|name=Apache MXNet
|logo=|screenshot=|caption=|collapsible=|author=
|latest release date={{Start date and age|2019|06|08}}<ref>{{cite web|url=https://github.com/apache/incubator-mxnet/releases/tag/1.5.0|title=Release Apache MXNet (incubating) 1.5.0|access-date=8 June 2019}}</ref>

-->|platform=|size=|language=|genre=Library for [[machine learning]] and [[deep learning]]|license=[[Apache License 2.0]]|website={{URL|https://mxnet.apache.org/}}}} '''MXNet''' -&nbsp;— це [[Програмний каркас|програмне забезпечення]] для [[Глибинне навчання|глибокогоглибинного машинного навчанням]] з [[Відкрите програмне забезпечення|відкритим кодом]], яке використовується для навчання та розгортання [[Глибинне навчання|глибоких нейронних мереж]]. Є масштабованим, дозволяє швидко [[Навчальний, тестовий та затверджувальний набори|навчатись моделям]] та, підтримує гнучку модель програмування та декілька [[Мова програмування|мов програмування]] (зокрема, [[C++|C ++]], [[Python]], [[Julia (мова програмування)|Julia]], [[MATLAB|Matlab]], [[JavaScript]], [[Go (мова програмування)|Go]], [[R (мова програмування)|R]], [[Scala]], [[Perl]] та {{Нп|Wolfram Language |||}}. )

MXNet [[Бібліотека підпрограм|бібліотека]] є портативною і може [[Масштабовність|масштабуватьсямасштабуватися]] на декілька [[Графічний процесор|графічних процесорів]] <ref>{{Cite web|url=https://blogs.technet.microsoft.com/machinelearning/2016/09/15/building-deep-neural-networks-in-the-cloud-with-azure-gpu-vms-mxnet-and-microsoft-r-server/|title=Building Deep Neural Networks in the Cloud with Azure GPU VMs, MXNet and Microsoft R Server|publisher=|accessdate=13 May 2017}}</ref> і кілька машин. MXNet підтримується постачальниками [[Хмарні обчислення|громадськими]] [[Хмарні обчислення|хмарних]] послуг, включаючи [[Amazon Web Services]] (AWS) <ref>{{Cite web|url=https://aws.amazon.com/mxnet/|title=Apache MXNet on AWS - Deep Learning on the Cloud|website=Amazon Web Services, Inc.|accessdate=13 May 2017}}</ref> та [[Microsoft Azure]] . <ref>{{Cite web|url=https://blogs.technet.microsoft.com/machinelearning/2016/09/15/building-deep-neural-networks-in-the-cloud-with-azure-gpu-vms-mxnet-and-microsoft-r-server/|title=Building Deep Neural Networks in the Cloud with Azure GPU VMs, MXNet and Microsoft R Server.|website=Microsoft TechNet Blogs|accessdate=6 September 2017}}</ref>. Amazon обрала MXNet в якості основи глибокогоглибинного навчання на виборі на AWS. <ref>{{Cite web|url=http://www.allthingsdistributed.com/2016/11/mxnet-default-framework-deep-learning-aws.html|title=MXNet - Deep Learning Framework of Choice at AWS - All Things Distributed|website=www.allthingsdistributed.com|accessdate=13 May 2017}}</ref> <ref>{{Cite web|url=http://fortune.com/2016/11/22/amazon-deep-learning-mxnet/|title=Amazon Has Chosen This Framework to Guide Deep Learning Strategy|website=Fortune|accessdate=13 May 2017}}</ref>. Наразі MXNet підтримується [[Intel]], [[Baidu]], [[Microsoft]], {{Нп|Wolfram Research|||}} та такими науково-дослідними установами, як [[Університет Карнегі-Меллон|Карнегі Меллон]], [[Массачусетський технологічний інститут|MIT]], [[Університет Вашингтону|Вашингтонський університет]] та {{Нп|Гонконгський університет науки і техніки|||Hong .Kong University of Science and Technology}}<ref>{{Cite news|url=http://techgenix.com/mxnet-amazon-apache-incubator/|title=MXNet, Amazon’s deep learning framework, gets accepted into Apache Incubator|accessdate=2017-03-08|language=en-US}}</ref> .

Apache MXNet -&nbsp;— це швидкашвидкий, гнучкагнучкий та надзвичайно масштабований фреймворк глибинного навчання, яка підтримує сучасні технології в моделях глибинного навчання, включаючи [[Згорткова нейронна мережа|конволюційнізгорткові нейронні мережі]] (CNN) та мережі, які використовують [[Довга короткочасна пам'ять|довготривалі]]довгу [[Довга короткочаснакороткострокову пам'ять|короткострокової пам'яті]] (LSTM).

MXNet призначений для використання в динамічній [[Хмарні обчислення|хмарній інфраструктурі]], використовуючи сервер [[Розподілені обчислення|розподіленихрозподілений]] параметрівпараметризований сервер (на основі досліджень проведених в [[Університет Карнегі-Меллон|університеті Карнегі Меллон]], [[Baidu|Байду]] та [[Google]] <ref>{{Cite web|url=https://www.cs.cmu.edu/~muli/file/parameter_server_osdi14.pdf|title=Scaling Distributed Machine Learning with the Parameter Server|publisher=|accessdate=2014-10-08}}</ref> ), і може досягти майже лінійного масштабування при використанні декількох графічних процесорів або [[Центральний процесор|центральних процесорів]].

MXNet підтримує як імперативне, так і символічне програмування, що полегшує розробникам, які звикли до імперативного програмування, розпочати з глибокогоглибинного навчання. Це також полегшує відстеження, зневодження[[Зневадження|зневадження]], збереження контрольних точок, зміну {{Нп|Гіперпараметр (машинне навчання)|гіперпараметрів||Hyperparameter (machine learning)}}, таких як {{Нп|швидкість навчання|||Learning rate}} або виконання [[Рання зупинка|ранньої зупинки]] .

Підтримує C ++ для оптимізованого бекенда, щоб отримати максимум доступних GPU або процесорів, також Python, R, Scala, Julia, Perl, [[MATLAB]] та JavaScript для більш простого інтерфейсу для розробників.

Підтримує ефективне розгортання підготовленої моделі для пристроїв низького класу для обчислення висновку, таких як мобільні пристрої (з використанням Amalgamation <ref>[https://mxnet.incubator.apache.org/faq/smart_device.html Amalgamation]</ref> ), пристроїпристроїв [[Інтернет речей|Інтернетуінтернету речей]] (за допомогою AWS Greengrass), [[Безсерверні обчислення|обчислення безбезсерверних серверівобчислень]] (за допомогою {{Нп|AWS Lambda |||}}) або [[Віртуалізація на рівні операційної системи|контейнериконтейнерів]] . Ці середовища низького класу можуть мати лише слабший процесор або обмежену пам'ять (RAM), і вони повинні мати можливість використовувати моделі, які навчалися нау середовищі вищого рівня (кластернаприклад, у кластері на базі [[GPU, наприклад]]).

== ДивітьсяДив. також ==

* [[Порівняння програмного забезпечення глибинного навчання|Порівняння програмного забезпечення для глибокогоглибинного навчання]]

* Диференційоване{{Нп|Диференційовне програмування|||Differentiable programming}}

[[Категорія:Програмне забезпечення добування даних та машинного навчання]]</nowiki>