Amazon公司的Werner Vogels于上周宣布Amazon深度学习框架将会正式选用MXNet，并且AWS将会通过增加源代码贡献、改进文档以及支持来自其它框架的可视化、开发以及迁移工具，为实现MXNet成功的长远目标做出贡献。

Vogles指出在欺诈检测、推荐流水线、库存和产品检查审计等领域，有一系列无法通过编写显式算法实现的计算任务，对此问题一类被称为深度学习的机器学习方法正日益发挥重要作用，此外，在内容搜索、自主无人机、订单履行中心机器人、文本及语音识别等领域中也广泛地使用了机器学习方法。Vogels给出了Amazon在深度学习框架选取中所考虑的三个因素，即扩展能力、开发速度及可移植性。

深度学习程序库Caffe、CNTK、MXNet、TensorFlow、Theano和Torch都得到了Amazon的评估，并且被AWS所支持。现在AWS选定了MXNet作为可扩展框架，并号召开源社区为MXNet投入更多的努力。在机器学习平台服务的开发上，AWS所采取的方法将会如同在RDS中一样，并且：

“我们将通过提供最好的EC2实例组及适用的软件工具，支持深度学习框架领域中所有广受欢迎的深度学习框架。”

Vogels提到了今年初发布的深度学习AMI及附带的云信息模板。AMI工具集是一种64位的Amazon Linux发布版，其中预装了对CNTK的支持，以及针对MXNet、Graphviz、pygal和Python pandas的更新包。该发布版中预置了六种深度学习架构，分别是NXNet、Caffe、TensorFlow、Theano、Torch和CNTK。AMI中还包括NVIDIA CUDA Toolkit和cuDNN库安装程序、Anaconda、Python 2和3。评论表明这仍是第一代的AMI，它已经可为开始使用GPU架构的分析工程师提供良好的工作基础。

MXNet最初是由华盛顿大学和卡内基梅隆大学(CMU)开发，用于支持卷积神经网络（CNN）和长短期记忆网络（LSTM）运算。CMU计算机科学系主任Andrew Moore指出：

MXNet诞生于CMU，并在CMU发展壮大。它是我目前所见到的最具扩展性的深度学习框架，也是计算机科学领域辉煌研究的代表性成果。多个不同学科交汇于其中并共同协作，实现将线性代数创造性地引入大规模分布式计算中，从而引领了深度学习的全新局面。我们很高兴看到Amazon对MXNet的投入，并迫切期待MXNet能不断地走向强大。

CMU在MXNet上训练了Inception V3算法。训练运行在一个P2实例的集群上，并逐步增添了GPU数目。在运行多至1000层的深度网络时，MXNet仅占用了低至4GB的内存。MXNet支持多种语言的API接口，包括Python、C++（并支持在Android和iOS上编译）、R、Scala、Julia、Matlab和JavaScript。

转自：http://www.infoq.com/cn/news/2016/12/amazon-mxnet-deep-learning

本文转自张昺华-sky博客园博客，原文链接：http://www.cnblogs.com/bonelee/p/8328265.html，如需转载请自行联系原作者