Apache MXNet in AWS
Crea applicazioni di apprendimento automatico veloci da addestrare ed eseguibili in diversi ambienti
Apache MXNet su AWS è un framework di addestramento e inferenza veloce e scalabile con un'API concisa e facile da usare per il machine learning.
MXNet include l'interfaccia Gluon, che permette agli sviluppatori a qualsiasi livello di competenza di iniziare con il deep learning su cloud, dispositivi periferici e app per dispositivi mobili. Sono sufficienti poche righe di codice Gluon per creare regressione lineare, reti convoluzionali e reti LSTM ricorrenti per il rilevamento di oggetti, il riconoscimento vocale, le raccomandazioni e la personalizzazione.
Per iniziare a utilizzare MXNet su AWS con un'esperienza completamente gestita è possibile utilizzare Amazon SageMaker, una piattaforma con cui creare, addestrare e distribuire modelli di Machine Learning in modo scalabile. È anche possibile utilizzare le AMI AWS Deep Learning per creare ambienti e flussi di lavoro personalizzati con MXNet e altri framework, quali, ad esempio, TensorFlow, PyTorch, Chainer, Keras, Caffe, Caffe2 e Microsoft Cognitive Toolkit.
Ottieni codice di esempio, notebook e tutorial nella pagina di progetto di GitHub.
Vantaggi dell'apprendimento approfondito con MXNet
Facilità di utilizzo con Gluon
Prestazioni elevate
Per IoT e dispositivi edge
Flessibilità e scelta
Momento dei clienti




























Casi di studio
Il progetto MXNet può contare oltre 500 contributor, molti dei quali sono sviluppatori di Amazon, NVIDIA, Intel, Samsung e Microsoft. Scopri come i clienti utilizzano MXNet per progetti di deep learning. Per altri casi di studio consulta il blog sull’apprendimento automatico di AWS e il blog MXNet.
Amazon SageMaker per machine learning
Amazon SageMaker è un servizio completamente gestito che consente a data scientist e sviluppatori di creare, formare e distribuire in modo rapido e semplice modelli di apprendimento automatico su vasta scala. Amazon SageMaker rimuove tutti gli ostacoli che normalmente rallentano gli sviluppatori che desiderano utilizzare l'apprendimento automatico.