Apache MXNet ist ein schnelles und skalierbares Lern- und Interferenz-Framework mit einer kompakten und bedienerfreundlichen API für maschinelles Lernen.

MXNet beinhaltet die Gluon-Schnittstelle, mit der Entwicklern aller Erfahrungsstufen der Einstieg in Deep Learning in der Cloud, auf Edge-Geräten und in mobilen Anwendungen problemlos gelingt. Mit nur wenigen Gluon-Codezeilen können Sie Funktionen wie lineare Regression, konvolutionale Netzwerke und wiederkehrende LSTMs für die Objekt- und Spracherkennung, Empfehlungen und Personalisierung entwickeln.

Für den Einstieg bei AWS können Sie mit Amazon SageMaker von einer vollständig verwalteten MXNet-Erfahrung profitieren. Dabei handelt es sich um eine Plattform, mit der Modelle für maschinelles Lernen in verschiedenen Dimensionen erstellt, trainiert und bereitgestellt werden können. Sie können die AWS Deep Learning AMIs verwenden, um benutzerdefinierte Umgebungen und Arbeitsabläufe für die Verwendung von TensorFlow und anderer gängiger Deep Learning Frameworks, wie TensorFlow, Caffe, Caffe2, Chainer, PyTorch, Keras und das Microsoft Cognitive Toolkit, zu erstellen.