Gluon帶來了AI開發人員的自學習機器學習

admin

Gluon帶來了AI開發人員的自學習機器學習

Microsoft和Amazon共同努力使神經網絡更容易與MXNet和Microsoft Cognitive Toolkit框架一起編程和使用
深度學習系統長期以來一直很難處理，因為所有的微調和旋鈕都需要從中獲得好的結果。 Gluon是微軟的共同努力，亞馬遜網絡服務部門確實減少了所有這些艱巨的工作。

Gluon與Apache MXNet和Microsoft的認知工具包框架一起工作，以優化這些系統上的深入學習網絡培訓。

Gluon如何工作

與深度學習系統中使用的神經網絡大致分為三個階段：

開發人員硬編碼網絡的行為。
開發人員通過更改設置來調整數據如何由網絡加權和處理，以產生有用的結果。
完成的網絡用于預測。
步驟1和2的問題是它們乏味乏味。對網絡的硬編碼速度很慢，改變編碼以改善網絡的行為也很慢。同樣，找出在網絡中使用的最佳權重是自動化成熟的任務。

Gluon提供了一種編寫比代碼更像數據集的神經網絡的方法。開發人員可以使用諸如神經網絡層鏈之類的常見模式聲明性地實例化網絡。 Gluon代碼是易于編寫和易于理解的，它利用了所使用語言中的本機特性（例如Python的上下文管理器）。

Gluon幫助開發人員

Gluon幫助開發人員最基本的方法是通過簡化網絡定義和修改來實現它。

在Gluon中，神經網絡可以用傳統的方式描述，代碼塊不會改變。但是，網絡也可以被描述為數據結構，因此可以在運行過程中進行更改以適應培訓過程中的變化。

使用Gluon編寫的代碼可以利用MXNet和Cognitive Toolkit中的GPU加速和分布式處理功能，因此可以跨多個節點分發培訓作業。它的創作者說，與手段相比，Gluon可以做到這一點，沒有任何性能損失。

在哪里可以使用Gluon

Gluon今天與MXNet合作。例如，對于MXNet，Python 0.11及更高版本的前端支持Gluon庫。 Gluon還可以透明地使用MXNet的GPU加速版和Intel Math Kernel Library擴展，以加速CPU限制處理。

Microsoft尚未通過Gluon支持發布Microsoft Cognitive Toolkit版本。它承諾在未來版本的工具包中支持Gluon。