Gluon带来了AI开发人员的自学习机器学习
Gluon带来了AI开发人员的自学习机器学习
Microsoft和Amazon共同努力使神经网络更容易与MXNet和Microsoft Cognitive Toolkit框架一起编程和使用
深度学习系统长期以来一直很难处理，因为所有的微调和旋钮都需要从中获得好的结果。 Gluon是微软的共同努力，亚马逊网络服务部门确实减少了所有这些艰巨的工作。
Gluon与Apache MXNet和Microsoft的认知工具包框架一起工作，以优化这些系统上的深入学习网络培训。
Gluon如何工作
与深度学习系统中使用的神经网络大致分为三个阶段：
开发人员硬编码网络的行为。
开发人员通过更改设置来调整数据如何由网络加权和处理，以产生有用的结果。
完成的网络用于预测。
步骤1和2的问题是它们乏味乏味。对网络的硬编码速度很慢，改变编码以改善网络的行为也很慢。同样，找出在网络中使用的最佳权重是自动化成熟的任务。
Gluon提供了一种编写比代码更像数据集的神经网络的方法。开发人员可以使用诸如神经网络层链之类的常见模式声明性地实例化网络。 Gluon代码是易于编写和易于理解的，它利用了所使用语言中的本机特性（例如Python的上下文管理器）。
Gluon帮助开发人员
Gluon帮助开发人员最基本的方法是通过简化网络定义和修改来实现它。
在Gluon中，神经网络可以用传统的方式描述，代码块不会改变。但是，网络也可以被描述为数据结构，因此可以在运行过程中进行更改以适应培训过程中的变化。
使用Gluon编写的代码可以利用MXNet和Cognitive Toolkit中的GPU加速和分布式处理功能，因此可以跨多个节点分发培训作业。它的创作者说，与手段相比，Gluon可以做到这一点，没有任何性能损失。
在哪里可以使用Gluon
Gluon今天与MXNet合作。例如，对于MXNet，Python 0.11及更高版本的前端支持Gluon库。 Gluon还可以透明地使用MXNet的GPU加速版和Intel Math Kernel Library扩展，以加速CPU限制处理。
Microsoft尚未通过Gluon支持发布Microsoft Cognitive Toolkit版本。它承诺在未来版本的工具包中支持Gluon。
页:
[1]