Apache MXNet は、高速でスケーラブルなトレーニングおよび推測フレームワークで、機械学習用の使いやすく簡潔な API が付属します。
MXNet には Gluon インターフェイスが含まれ、開発者はこれによって、自身のスキルレベルにかかわらず、クラウド、エッジデバイス、モバイルアプリケーションでの深層学習を開始できます。数行の Gluon コードで、オブジェクト検出、音声認識、レコメンデーション、パーソナライズといった用途の直線回帰、畳み込みネットワーク、リカレント LSTM を構築できます。
AWS 深層学習 AMI を起動して、AWS で MXNet と Gluon の使用を開始してください。この AMI は Amazon Linux と Ubuntu のいくつかのバージョンで利用できます。
MXNet を使用した深層学習の利点
Gluon による使いやすさ
MXNet の Gluon ライブラリは、トレーニングのスピードを犠牲にすることなく深層学習モデルのプロトタイプの作成、トレーニング、デプロイを簡単に行うことが可能な、ハイレベルなインターフェイスを提供します。Gluon では、定義済みレイヤー、損失関数、オプティマイザ用のハイレベルな抽象化が提供されています。また、構造は柔軟なため直感的に作業でき、デバッグも容易です。
さらに優れたパフォーマンス
深層学習ワークロードは複数の GPU に線形に近いスケーラビリティで分散させることができます。つまり、非常に巨大なプロジェクトを短い時間で処理できます。さらに、スケーリングはクラスター内の GPU 数に応じて自動的に実行されます。また、開発者はサーバーレスかつバッチベースの推測を実行することで、時間を節約して生産性を向上させることができます。
IoT およびエッジ向け
クラウド内での複数 GPU トレーニングおよび複雑なモデルのデプロイに加えて、MXNet では Raspberry Pi、スマートフォン、ラップトップなどマシンパワーの低いエッジデバイスで実行でき、リモートでデータのリアルタイム処理が可能な、軽量なニューラルネットワークモデル表現も生成されます。
柔軟性と選択肢
MXNet では、C++、JavaScript、Python、R、Matlab、Julia、Scala、Go といったプログラミング言語が幅広くサポートされているため、自分の既に知っている言語で開始することができます。ただし、バックエンドではすべてのコードが C++ にコンパイルされるため、モデル構築に使用された言語にかかわりなく最大限のパフォーマンスを発揮できます。
MXNet 導入事例
MXNet プロジェクトには、Amazon、Apple、Samsung、Microsoft の開発者を含め、400 を超えるコントリビューターが存在します。MXNet コミュニティの深層学習プロジェクトの詳細については、以下をご覧ください。
ブログ投稿記事
Sebastien Menant & Pracheer Gupta
9/6/2017
AWS での MXNet の使用を開始する
AWS での深層学習について
AWS 深層学習 AMI
AWS 深層学習 AMI を使うと、カスタムモデルをトレーニングし、新しいアルゴリズムを試し、新しい深層学習のスキルやテクニックを学ぶことができます。AMI は、Apache MXNet と Gluon、TensorFlow、Microsoft Cognitive Toolkit、Caffe、Caffe2、Theano、Torch、PyTorch、Keras といったオープンソースの深層学習フレームワークが事前インストールされた、いくつかのバージョンで入手できます。AMI の使用に追加料金はかかりません。アプリケーションを保存および実行するために必要な AWS のリソースに対してのみお支払いいただきます。詳細はこちら >
