網(wǎng)友解答: MXNet 介紹MXNet 是亞馬遜（Amazon）選擇的深度學(xué)習(xí)庫，并且也許是最優(yōu)秀的庫。它擁有類似于 Theano 和 TensorFlow 的數(shù)據(jù)流圖，為多 GPU 配

網(wǎng)友解答:

MXNet 介紹

MXNet 是亞馬遜（Amazon）選擇的深度學(xué)習(xí)庫，并且也許是最優(yōu)秀的庫。它擁有類似于 Theano 和 TensorFlow 的數(shù)據(jù)流圖，為多 GPU 配置提供了良好的配置，有著類似于 Lasagne 和 Blocks 更高級別的模型構(gòu)建塊，并且可以在你可以想象的任何硬件上運(yùn)行（包括手機(jī)）。

MXNet 是一個全功能，靈活可編程和高擴(kuò)展性的深度學(xué)習(xí)框架，支持深度學(xué)習(xí)模型中的最先進(jìn)技術(shù)，包括卷積神經(jīng)網(wǎng)絡(luò)（CNN）和長期短期記憶網(wǎng)絡(luò)（LSTM）。

MXNet 由學(xué)術(shù)界發(fā)起，包括數(shù)個頂尖大學(xué)的研究人員的貢獻(xiàn)，這些機(jī)構(gòu)包括華盛頓大學(xué)和卡內(nèi)基梅隆大學(xué)?！窶XNet 是在卡內(nèi)基梅隆大學(xué)中誕生的，它是我所看到的最完美的深度學(xué)習(xí)可擴(kuò)展框架，它可以讓計算機(jī)科學(xué)更加美好。讓不同學(xué)科，不同工作的人們團(tuán)結(jié)在一起。我們對亞馬遜選擇 MXNet 感到興奮，MXNet 將由此變得更加強(qiáng)大。」卡內(nèi)基梅隆大學(xué)計算機(jī)科學(xué)系主任 Andrew Moore 說道。

MXNet 縮放

深度學(xué)習(xí)框架在多核心處理器中的運(yùn)行效率是其性能的重要指標(biāo)。更高效的縮放（Scaling）可以讓訓(xùn)練新模型的速度顯著提高，或在相同的訓(xùn)練時間內(nèi)大幅提高模型的復(fù)雜性。這正是 MXNet 的優(yōu)勢：我們正在使用越來越多的 GPU 訓(xùn)練圖像分析算法 Inception v3（在 MXNet 中實現(xiàn)并在 P2 實例上運(yùn)行）。MXNet 不僅具有所有已知庫中最快的吞吐量（每秒訓(xùn)練的圖像數(shù)量），而且吞吐量提高幾乎與用于訓(xùn)練的 GPU 數(shù)量成正比（比例為 85 ％）。

用 MXNet 進(jìn)行

開發(fā)除了高可擴(kuò)展性，MXNet 還提供混合編程模型（命令式和聲明式），同時兼容多種編程語言（包括 Python、C ++、R、Scala、Julia、Matlab 和 JavaScript）的代碼。

MXNet 中的高效模型和可移植性

計算效率很重要（并且與可擴(kuò)展性緊密相關(guān)），但是內(nèi)存使用量也同樣重要。在運(yùn)行多達(dá) 1000 層的深層網(wǎng)絡(luò)任務(wù)時，MXNet 只需消耗 4GB 的內(nèi)存。它還可以跨平臺移植，并且核心庫（具有完整功能）可以整合進(jìn)單個 C ++源文件中，并為 Android 和 iOS 進(jìn)行編譯。你甚至可以使用 JavaScript 擴(kuò)展在瀏覽器中運(yùn)行它。

更多內(nèi)容

有關(guān) MXNet 的更多細(xì)節(jié)可以關(guān)注 MXNet 主頁，或 GitHub 以獲得更多信息，也可參考機(jī)器之心官網(wǎng)上的3篇文章：（a）五大主流深度學(xué)習(xí)框架比較分析：MXNET是最好選擇（b）李沐：為什么強(qiáng)大的MXNet一直火不起來？（c）從PyTorch到Mxnet ，對比7大Python深度學(xué)習(xí)框架。希望可以對你有所幫助。

MXNet 主頁：http://mxnet.io/GitHub 地址：https://github.com/dmlc/mxnet五大主流深度學(xué)習(xí)框架比較分析：MXNET是最好選擇：http://www.jiqizhixin.com/article/1401李沐：為什么強(qiáng)大的MXNet一直火不起來？：http://www.jiqizhixin.com/article/1829從PyTorch到Mxnet ，對比7大Python深度學(xué)習(xí)框架：http://www.jiqizhixin.com/article/2403 網(wǎng)友解答:

mxnet與tensorflow相比吧

1 同時支持命令式編程和聲明式編程

- 不懂的請看https://github.com/dmlc/mxnet/issues/797，李沐大神親手寫的，相比來說tensorflow只支持聲明式編程

2 內(nèi)存友好，相比于tensorflow，內(nèi)存優(yōu)化能到50%以上

3 可擴(kuò)展，更好的支持分布式

李沐大神是第三代的參數(shù)服務(wù)器論文一作，tensorflow的參數(shù)服務(wù)器結(jié)構(gòu)也基本依照他的思路，但是李沐在mxnet中做了更多更好的優(yōu)化，更scalable、efficient

4 輕量級，api易讀，上手快

tensorflow和mxnet的設(shè)計理念是不同的。mxnet更像是一把鋒利的小刀，tensorflow更像是一把瑞士軍刀；tensorflow是想做成下一代的機(jī)器學(xué)習(xí)平臺，能夠一站式解決各種機(jī)器學(xué)習(xí)的問題，而mxnet的設(shè)計理念是盡可能簡潔，盡可能用少的功能解決問題。所以api相對于tensorflow少很多，而且功能（api）、性能（內(nèi)存、吞吐量、gpu利用率）都是走極致的風(fēng)格。