Apache MXNet 是一种快速并且可扩展的训练与推理框架，附带简单易用的机器学习 API。
MXNet 采用 Gluon 接口，让各种技能水平的开发人员都可以在云、边缘设备和移动应用程序上开始进行机器学习。只需编写几行 Gluon 代码，您就可以构建线性回归、卷积网络和复现 LSTM，用于实现对象检测、语音识别、建议和个性化。
您可以通过启动 AWS Deep Learning AMI (提供适用于 Amazon Linux 和 Ubuntu 的多个版本)，来开始使用 MXNet/Gluon on AWS。
使用 MXNet 进行机器学习的优势
支持 Gluon，易于使用
MXNet 的 Gluon 库提供一个高级接口，让用户可以轻松创建、训练和部署机器学习模型，并且不影响训练速度。Gluon 可以针对预定义的层、损失函数和优化器提供高层抽象功能。它还具有灵活的结构，使用直观，易于调试。
性能更高
深度学习工作负载可以分布在具有近线性可扩展性的多个 GPU 中，这意味着可以在更短的时间内处理特别大的项目。而扩展会根据群集中的 GPU 数量自动进行。开发人员还可以批量运行无服务器的推断，从而节省时间并提高工作效率。
支持 IoT 和边缘设备
除了在云中处理多 GPU 训练和部署复杂模型之外，MXNet 还可以生成轻量级的神经网络模型，这些模型可以在 Raspberry Pi、智能手机或笔记本电脑等低功耗边缘设备上运行，并实时远程处理数据。
灵活性高，选择丰富
MXNet 支持大量编程语言，例如 C++、JavaScript、Python、R、Matlab、Julia、Scala 和 Go，因此您可以使用自己了解的语言开始工作。但是在后端，所有代码都以 C++ 编译，因此无论构建模型使用的是哪种语言，都能实现最高性能。
MXNet 案例研究
为 MXNet 贡献力量的人员有 400 多名，其中包括来自 Amazon、Apple、Samsung 和 Microsoft 的开发人员。了解有关 MXNet 社区深度学习项目的更多信息。
博客文章
Sebastien Menant & Pracheer Gupta
2017 年 9 月 7 日
开始使用AWS 上的 Apache MXnet
探索 AWS 上的深度学习
通过 AWS Deep Learning AMI，您可以训练自定义模型，试验新算法，并了解新的深度学习技能和技巧。AMI 提供多种选择，包括预先安装的开源深度学习框架，比如 Apache MXNet/Gluon、TensorFlow、Microsoft Cognitive Toolkit、Caffe、Caffe2、Theano、Torch、PyTorch 和 Keras。使用这些 AMI 无需额外付费 – 您只需支付使用 AWS 资源存储和运行应用程序的费用。更多 >