欢迎大家赞助一杯啤酒🍺 我们准备了下酒菜:Formal mathematics/Isabelle/ML, Formal verification/Coq/ACL2, C++/F#/Lisp
Apache MXNet
来自开放百科 - 灰狐
(版本间的差异)
小 (→链接) |
小 (→项目) |
||
(未显示1个用户的2个中间版本) | |||
第26行: | 第26行: | ||
==项目== | ==项目== | ||
[[文件:Keras-MXNet.png]] | [[文件:Keras-MXNet.png]] | ||
− | *[https://mxnet.incubator.apache.org/versions/master/community/ecosystem.html | + | *[https://mxnet.incubator.apache.org/versions/master/community/ecosystem.html MXNet's Ecosystem] |
+ | *[https://github.com/apache/tvm/ Apache TVM] | ||
*[https://github.com/dmlc/mxnet mxnet] | *[https://github.com/dmlc/mxnet mxnet] | ||
*[https://github.com/dmlc/mxnet/tree/master/scala-package MXNet Scala Package] | *[https://github.com/dmlc/mxnet/tree/master/scala-package MXNet Scala Package] | ||
第32行: | 第33行: | ||
*[https://github.com/dmlc/MXNet.jl MXNet.jl] | *[https://github.com/dmlc/MXNet.jl MXNet.jl] | ||
*[https://github.com/dmlc/nnvm NNVM] Build deep learning system by parts | *[https://github.com/dmlc/nnvm NNVM] Build deep learning system by parts | ||
+ | *[https://github.com/d2l-ai/d2l-zh 《动手学深度学习》] 面向中文读者、能运行、可讨论。中英文版被全球140所大学采用教学。 | ||
==AWS== | ==AWS== | ||
第53行: | 第55行: | ||
*[http://mxnet.io/ MXNet官网] | *[http://mxnet.io/ MXNet官网] | ||
*[https://github.com/dmlc/mxnet MXNet @ GitHub] | *[https://github.com/dmlc/mxnet MXNet @ GitHub] | ||
+ | *[https://github.com/d2l-ai/d2l-zh 《动手学深度学习》] | ||
*[http://dmlc.ml/ DMLC官网] | *[http://dmlc.ml/ DMLC官网] | ||
*[https://github.com/dmlc DMLC @ GitHub] | *[https://github.com/dmlc DMLC @ GitHub] |
2021年5月2日 (日) 04:59的最后版本
Distributed (Deep) Machine Learning Community,简称DMLC。
DMLC是由一群极客发起的组织,主要目标是提供快速高质量的开源机器学习工具。近来流行的boosting模型xgboost便是出自这个组织。开源了一个深度学习工具mxnet,这个工具含有R,python,julia等语言的接口。
目录 |
[编辑] 新闻
- MXNet进入Apache基金会孵化器项目阶段 (2017.01.23)
[编辑] 简介
Apache MXNet 是一种功能全面、可以灵活编程并且扩展能力超强的深度学习框架,支持包括卷积神经网络 (CNN) 与长短期记忆网络 (LSTM) 在内的顶尖深度模型。
[编辑] 优势
- 支持本机分布式培训
支持关于多个 CPU/GPU 机器的分布式学习,以利用云规模。
- 灵活的编程模型
同时支持命令和符号编程,以最大程度提高效率和生产力。
- 可从云中移植到客户端
可在 CPU 或 GPU、群集、服务器、桌面或手机上运行。
- 支持多种语言
支持在 Python、R、Scala、Julia 和 C++ 中构建和学习模型。预先经过学习的模型可用于预测,甚至在采用 Matlab 或 Javascript 等更多种语言的情况下也是如此。
- 优化的性能
无论您的编程语言为何,经过优化的 C++ 后端引擎均可并行执行 I/O 和计算,且执行效果最佳。
- Apache开源社区
[编辑] 指南
[编辑] 项目
- MXNet's Ecosystem
- Apache TVM
- mxnet
- MXNet Scala Package
- xgboost
- MXNet.jl
- NNVM Build deep learning system by parts
- 《动手学深度学习》 面向中文读者、能运行、可讨论。中英文版被全球140所大学采用教学。
[编辑] AWS
[编辑] 开发者
[编辑] 图集
[编辑] 链接
分享您的观点