|
：COO、执行总编、主编、高级编译、主笔、运营总监、客户经理、咨询总监、行政助理等 9 大岗位全面开放。 简历投递：j[email protected] HR 微信：13552313024 新智元为COO和执行总编提供最高超百万的年薪激励；为骨干员工提供最完整的培训体系、高于业界平均水平的工资和奖金。 加盟新智元，与人工智能业界领袖携手改变世界。 【新智元导读】此前一直被调侃火不起来的MXnet，得到亚马逊的青睐后，会火起来吗？
随着人工智能的发展，现代科技公司的终极目标是构建无需人类介入、能够自我思考的 AI 软件。 亚马逊首席技术官 Werner Vogels 在周二的一篇博客文章中表示，亚马逊网络服务公司（AWS）刚刚选择 MXNet 作为其最主要的深度学习框架。 ，如文章所述，深度学习是 AI 的一个子集，包含神经网络的使用。神经网络在算法（而非人类程序员）的帮助下通过处理大量数据来学习并解决问题。 Vogels 表示，AWS 将为 MXNet 及支持其生态系统的其他公司提供软件代码、文档和开发资金。虽然他同时表明，该公司也支持其他深度学习框架，包括 Caffe、CNTK、TensorFlow 和 Torch，但显然在 MXNet 加入后，其他这些框架会被放到次要位置。 TensorFlow 和 CNTK 框架分别是谷歌和微软开发的，Caffe 则来自加州大学伯克利分校的伯克利人工智能研究实验室。 MXNet 的消息恰在亚马逊云服务的年度 AWS RE：Invent 大会前一周发布，亚马逊的高管将在大会上讨论人工智能带来的机会，以及他们将亚马逊的个人助理 Alexa 的工具开放给 AWS 开发者的计划。 为了实现 AI 的终极目标，亚马逊及其竞争对手也在追求尽可能大的数据集。 所以，如果你想知道亚马逊、微软、苹果以及谷歌公司分别从 Alexa、Cortana、Siri 和 Google Home 中得到了什么，记住这一点：所有使用这些智能设备和应用的人都在向这些公司提供非常有价值的数据，应用于这些面向未来的项目。 MXNet 设计和实现简介 神经网络本质上是一种语言，我们通过它来表达对应用问题的理解。例如我们用卷积层来表达空间相关性，RNN来表达时间连续性。根据问题的复杂性和信息如何从输入到输出一步步提取，我们将不同大小的层按一定原则连接起来。近年来随着数据的激增和计算能力的大幅提升，神经网络也变得越来越深和大。例如最近几次imagnet竞赛的冠军都使用有数十至百层的网络。对于这一类神经网络我们通常称之为深度学习。从应用的角度而言，对深度学习最重要的是如何方便地表述神经网络，以及如何快速训练得到模型。 对于一个优秀的深度学习系统，或者更广来说优秀的科学计算系统，最重要的是编程接口的设计。他们都采用将一个领域特定语言(domain specific language)嵌入到一个主语言中。例如numpy将矩阵运算嵌入到python中。这类嵌入一般分为两种，其中一种嵌入的较浅，其中每个语句都按原来的意思执行，且通常采用命令式编程(imperative programming)，其中numpy和Torch就是属于这种。而另一种则用一种深的嵌入方式，提供一整套针对具体应用的迷你语言。这一种通常使用声明式语言(declarative programming)，既用户只需要声明要做什么，而具体执行则由系统完成。这类系统包括Caffe，theano和刚公布的TensorFlow。 这两种方式各有利弊，总结如下： 命令式编程： 如何执行 a=b+1: 需要b已经被赋值。立即执行加法，将结果保存在a中。 优点: 语义上容易理解，灵活，可以精确控制行为。通常可以无缝地和主语言交互，方便地利用主语言的各类算法，工具包，debug和性能调试器。 缺点: 实现统一的辅助函数和提供整体优化都很困难。 声明式编程： 如何执行 a=b+1: 返回对应的计算图(computation graph)，我们可以之后对b进行赋值，然后再执行加法运算 (责任编辑：本港台直播) |
