大范围内设备和平台的可移植性，因为深度学习模型需要在很多不同的的地方运行：从笔记本电脑和能通过大型网络互联和大量的计算能力服务器群，到通常是连接相距甚远设备的移动通讯工具，这些将更少依赖网络互联和相当少的计算力。

对于 AWS 的开发者和很多我们的客户而言，有三件事同样重要。经过慎重地评估，我们选择 MXNet 作为亚马逊的深度学习框架，我们计划在现有和即将推出的新服务中广泛使用它。

我们已经开展了一系列工作，作为承诺的一部分，我们将通过贡献代码（已经做了很多工作）积极地促进和支持开源，改进在线和 AWS 的开发人员体验和帮助文档，并持续改进可视化、开发环境，帮助开发者更方便地从其他框架迁移进来。

MXNet 介绍

MXNet 是一个全功能，灵活可编程和高扩展性的深度学习框架，支持深度学习模型中的最先进技术，包括卷积神经网络（CNN）和长期短期记忆网络（LSTM）。MXNet 由学术界发起，包括数个顶尖大学的研究人员的贡献，这些机构包括华盛顿大学和卡内基梅隆大学。

「MXNet 是在卡内基梅隆大学中诞生的，它是我所看到的最完美的深度学习可扩展框架，它可以让计算机科学更加美好。让不同学科，不同工作的人们团结在一起。我们对亚马逊选择 MXNet 感到兴奋，MXNet 将由此变得更加强大。」卡内基梅隆大学计算机科学系主任 Andrew Moore 说道。

MXNet 缩放

深度学习框架在多核心处理器中的运行效率是其性能的重要指标。更高效的缩放（Scaling）可以让训练新模型的速度显著提高，或在相同的训练时间内大幅提高模型的复杂性。

这正是 MXNet 的优势：我们正在使用越来越多的 GPU 训练图像分析算法 Inception v3（在 MXNet 中实现并在 P2 实例上运行）。MXNet 不仅具有所有已知库中最快的吞吐量（每秒训练的图像数量），而且吞吐量提高几乎与用于训练的 GPU 数量成正比（比例为 85 ％）。

用 MXNet 进行开发

除了高可扩展性，MXNet 还提供混合编程模型（命令式和声明式），同时兼容多种编程语言（包括 Python、C ++、R、Scala、Julia、Matlab 和 Java）的代码。

MXNet 中的高效模型和可移植性

计算效率很重要（并且与可扩展性紧密相关），但是内存使用量也同样重要。在运行多达 1000 层的深层网络任务时，MXNet 只需消耗 4GB 的内存。它还可以跨平台移植，并且核心库（具有完整功能）可以整合进单个 C ++源文件中，并为 Android 和 iOS 进行编译。你甚至可以使用 Java 扩展在浏览器中运行它。

更多内容

有关 MXNet 的更多细节可以关注 MXNet 主页，或 GitHub 以获得更多信息，你可以立即使用 Deep Learning AMI，或在你自己的设备中进行开发。亚马逊将在 11 月 30 日于拉斯维加斯 Mirage 酒店举办机器学习「State of the Union」会议，随后也会在 AWS re:Invent 中开展有关 MXNet 的研讨会。

MXNet 主页：

GitHub 地址：https://github.com/dmlc/mxnet

Deep Learning AMI：https://aws.amazon.com/marketplace/pp/B01M0AXXQB

©本文为机器之心编译文章，转载请联系本公众号获得授权。

　　?------------------------------------------------

加入机器之心（全职记者/实习生）：[email protected]

投稿或寻求报道：[email protected]

广告&商务合作：[email protected]