Apache MXnet en AWS

Cree aplicaciones de aprendizaje automático que pueden entrenarse rápidamente y ejecutarse en cualquier lugar

Apache MXNet en AWS es un marco de inferencia y entrenamiento escalable y ágil con una API concisa y fácil de usar para machine learning.

MXNet incluye la interfaz de Gluon que permite a los desarrolladores con cualquier nivel de experiencia comenzar a usar el aprendizaje profundo en la nube, en dispositivos periféricos y en aplicaciones para dispositivos móviles. En tan solo unas líneas de código de Gluon, es posible crear regresión lineal, redes convolucionales y LSTM recurrentes para la detección de objetos, el reconocimiento de voz, recomendaciones y personalizaciones.

Puede empezar a usar MxNet en AWS mediante una experiencia completamente administrada a través de Amazon SageMaker, una plataforma diseñada para crear, entrenar e implementar modelos de aprendizaje automático a escala. O bien, puede utilizar las AMI de AWS Deep Learning para crear entornos y flujos de trabajo personalizados con MxNet así como otros marcos de trabajo entre los que se incluyen TensorFlow, PyTorch, Chainer, Keras, Caffe, Caffe2 y Microsoft Cognitive Toolkit.

Colabore con el Proyecto Apache MXNet

Consiga código de muestra, bloc de notas y contenido de tutoriales en la página del proyecto GitHub.

Beneficios del aprendizaje profundo mediante el uso de MXNet

Facilidad de uso con Gluon

La biblioteca de Gluon de MXNet ofrece una interfaz de alto nivel que facilita la creación de prototipos, el entrenamiento y la implementación de modelos de aprendizaje profundo sin sacrificar la velocidad de entrenamiento. Gluon ofrece abstracciones de alto nivel para optimizadores, funciones de pérdida y capas predefinidas. También provee una estructura flexible que es intuitiva para trabajar y fácil de depurar.

Mayor rendimiento

Las cargas de trabajo de aprendizaje profundo pueden distribuirse en varias GPU con escalabilidad casi lineal, lo que significa que los proyectos extremadamente grandes pueden gestionarse en menos tiempo. Asimismo, el escalado es automático dependiendo del número de GPU de un clúster. Los desarrolladores también ahorran tiempo y aumentan la productividad mediante la ejecución de inferencia basada en lotes y sin servidor.

Para IoT y el borde

Además de gestionar el entrenamiento en varias GPU y de implementar modelos complejos en la nube, MXNet produce representaciones de modelos de redes neuronales ligeras que pueden ejecutarse en dispositivos de borde de menor capacidad como Raspberry Pi, teléfonos inteligentes o laptops y procesar datos de manera remota en tiempo real.

Flexibilidad y opciones

MXNet es compatible con un amplio conjunto de lenguajes de programación (incluidos C++, JavaScript, Python, R, Matlab, Julia, Scala Clojure and Perl) para que pueda comenzar a trabajar con lenguajes que ya conozca. Sin embargo, en el backend, todo el código se compila en C++ para lograr el mayor rendimiento posible, independientemente del lenguaje que se utilice para crear los modelos.

Impulso de clientes

Cimpress
logo beeva horizontal1

Casos prácticos

Existen más de 500 colaboradores en el proyecto MXNet, incluidos desarrolladores de Amazon, NVIDIA, Intel, Samsung y Microsoft. Obtenga información sobre cómo los clientes emplean MXNet para proyectos de aprendizaje profundo. Para ver más casos prácticos, consulte el blog de aprendizaje automático y el blog de MXNet de AWS.

Amazon SageMaker para aprendizaje automático

Más información sobre Amazon SageMaker

Amazon SageMaker es un servicio completamente administrado que permite a los desarrolladores y los científicos de datos crear, entrenar e implementar modelos de aprendizaje automático de forma rápida y sencilla a cualquier escala. Amazon SageMaker elimina todas las dificultades que suelen ralentizar a los desarrolladores que desean utilizar aprendizaje automático.

¿Tiene más preguntas?
Contacte con nosotros