Apache MXNet na AWS
Crie aplicativos de Machine Learning que podem ser treinados rapidamente e executados em qualquer lugar
O Apache MXNet na AWS é uma estrutura de treinamento e inferência rápida e escalável com uma API concisa e fácil de usar para machine learning.
O MXNet inclui a interface Gluon, que permite a desenvolvedores de todos os níveis de habilidade começar a usar a aprendizado profundo na nuvem, em dispositivos de borda e em aplicações móveis. Com apenas algumas linhas de código Gluon, é possível criar regressão linear, redes convolucionais e LSTMs recorrentes para detectar objetos, reconhecer fala, recomendar e personalizar.
Comece a usar o MxNet na AWS por meio de uma experiência totalmente gerenciada usando o Amazon SageMaker, uma plataforma para criar, treinar e implantar modelos de Machine Learning em grande escala. Ou use as AMIs de Deep Learning do AWS para criar ambientes e fluxos de trabalho personalizados com o MxNet, além de outras estruturas que incluem TensorFlow, PyTorch, Chainer, Keras, Caffe, Caffe2 e Microsoft Cognitive Toolkit.
Obtenha código de exemplo, anotações e conteúdo de tutoriais na página do projeto no GitHub.
Benefícios do aprendizado profundo usando MXNet
Facilidade de uso com Gluon
Maior desempenho
Para IoT e a borda
Flexibilidade e escolha
Dinâmica dos clientes
![](https://d1.awsstatic.com/Deep%20Learning/Amazon.2f27bf2d14679b69e67745757101e49d0bb92183.png)
![](https://d1.awsstatic.com/Deep%20Learning/Banjo.3e03a1433ba7f3349b7bd4222f76ecee9f3a89ee.png)
![](https://d1.awsstatic.com/Deep%20Learning/Samsung_SDS.230e93bf56146745bb85a3154c05571de76dae74.png)
![](https://d1.awsstatic.com/Deep%20Learning/Celgene.43a840590a98cfd0acd3735cf8ea7b323829d534.png)
![](https://d1.awsstatic.com/Deep%20Learning/CMU.b42b941b70ec8d4b00e8fe5a8927531a4c63cfb1.png)
![](https://d1.awsstatic.com/Deep%20Learning/Wolfram.40aad38db15407aa3af0c5db58e84812d682131f.png)
![](https://d1.awsstatic.com/logos/200x100_logos/200x100_NTT-DOCOMO_Logo.ac7f6c8181316f06771a87e584a04402b558f8f3.png)
![](https://d1.awsstatic.com/logos/customers/TensorFlow/Nvidia-logo-01.d5050d1ec064df154ef5e839260d865c00c24bdd.png)
![](https://d1.awsstatic.com/Deep%20Learning/Intel.885cf8e69b0c82f3556af19c10c41bf6d550d634.png)
![](https://d1.awsstatic.com/Deep%20Learning/Jam_City.1a39604e6ecfb5142f7e88c1f98bf12aa4ef2105.png)
![](https://d1.awsstatic.com/Deep%20Learning/Julia_Computing.aff9f2e4a2b2816db9dab757d21ea91cb2c2d475.png)
![](https://d1.awsstatic.com/Deep%20Learning/Lohika.a6200cdbd59d754f41869548ab01ff6fe4e35392.png)
![](https://d1.awsstatic.com/Deep%20Learning/MNLAB_KAIST.19f30325593de965d7c2b715f875dc86bfa5eebc.png)
![](https://d1.awsstatic.com/Deep%20Learning/Emory_NLP.934605ad5c8ff8630b907430d94fbb0c4d0a4074.png)
![](https://d1.awsstatic.com/Deep%20Learning/PIXM.ba7f4a85d97feb02791f8bc774cc9b911583e116.png)
![](https://d1.awsstatic.com/Deep%20Learning/Borealis_AI.088999fc3cd0c955593b6d8870a94692df26423d.png)
![Cimpress Cimpress](https://d1.awsstatic.com/Deep%20Learning/cimpress-logo-615x100.19eb1426a7b17289a2dc06dc3848d95b1420919a.png)
![](https://d1.awsstatic.com/Deep%20Learning/SPL_Seoul_National_University.8dd934cf223148ae5026b2fd14caa219d0de9923.png)
![](https://d1.awsstatic.com/Deep%20Learning/Teamwork.cdc3b61a461ff50f2564238b8ef3adc89d51e471.png)
![](https://d1.awsstatic.com/Deep%20Learning/tusimple-logo-100x50.5ce879b7611806d61e8f07e27795e984684ab3dc.png)
![](https://d1.awsstatic.com/Deep%20Learning/Curalate.91f256588f6023310fff616faa7cf92b139759f5.png)
![logo beeva horizontal1 logo beeva horizontal1](https://d1.awsstatic.com/logos/partners/Logo-BEEVA.c9a8604c113dd8244ff1d646ce36243cb87ae54a.jpg)
![](https://d1.awsstatic.com/Deep%20Learning/gumgum-logo.be7e6e04ee3255560e3f89da71b05ce5fbcf365b.png)
![](https://d1.awsstatic.com/Deep%20Learning/basler-logo.3fab10f0d43e08c55d1fe6282ce71d427cf70087.jpg)
![](https://d1.awsstatic.com/Deep%20Learning/infer-logo.855bb33b1ec97781de6e1d1aead360d716aea50b.jpg)
![](https://d1.awsstatic.com/Deep%20Learning/moqi-logo-150x50.ed08c6eac3f57b775ad51912d0dfa1cafb423bc5.png)
![](https://d1.awsstatic.com/Deep%20Learning/bytedance-logo.17ef1902b3304f413010758e518dcdd8cb876a26.png)
![](https://d1.awsstatic.com/Deep%20Learning/eagleview-logo.832a0e3e6f692f98b3409c7a304849a9ab012132.jpg)
Estudos de caso
Há mais de 500 colaboradores no projeto do MXNet, incluindo desenvolvedores da Amazon, NVIDIA, Intel, Samsung e Microsoft. Saiba mais sobre como os clientes estão usando o MXNet para projetos de aprendizado profundo. Para mais estudos de caso, consulte o blog de machine learning e o blog do MXNet da AWS.
Amazon SageMaker para Machine Learning
O Amazon SageMaker é um serviço totalmente gerenciado que permite que desenvolvedores e cientistas de dados criem, treinem e implantem modelos de Machine Learning de forma rápida e fácil em qualquer escala. O Amazon SageMaker remove todas as barreiras que normalmente atrapalham os desenvolvedores que querem usar o Machine Learning.