业界 | Apache MXNet 发布 v0.11.0版,支持苹果Core ML和Keras v1.2

选自AWS

机器之心编译

参与:黄小天、路雪

近日,孵化于 Apache 软件基金会 Apache MXNet 发布了 v0.11.0 最终测试版本,它不仅具有一个 Core ML 模型转换器,同时还支持 Keras v1.2。此外,该版本还包括额外的功能更新、性能提升以及一些修复。你可以从源代码构建 MXNet 从而获取新版本。

Apache MXNet 正在 Apache 软件基金会(ASF)中进行孵化。上周,MXNet 社区为 MXNet v0.11.0 引入了一个最终测试版本,作为一个孵化项目这还是第一次,社区现在正投票决定是否要发行这一版本,它主要有以下功能提升:

  • 一个 Core ML 模型转换器,允许你通过 MXNet 训练深度学习模型,并轻松部署到苹果设备上。
  • 支持 Keras v1.2,允许你在构建深度学习模型时使用以 MXNet 为运行后端的 Keras 接口。

这个 v0.11.0 最终测试版还包括额外的功能更新、性能提升以及一些修复。

使用 Core ML(开发者预览版)在苹果设备上运行 MXNet 模型

该发布包含一个可用于将 MXNet 深度学习模型转换为苹果 Core ML 格式的工具。Core ML 是一个框架,应用开发者可以使用它在苹果设备上以最小的内存占用和电耗部署机器学习模型。该框架使用 Swift 编程语言,可在 Xcode 集成开发环境(IDE)上获取。它允许开发者像所有其他的 Swift 对象类一样与机器学习模型互动。

现在有了这款转换工具,你就具备了可构建深度学习应用的快速管道。使用 MXNet 将可扩展、高效的分布模型训练从云端移到苹果设备的快速运行时界面。Core ML 模型转换器的开发者预览版支持计算机视觉模型。更多详细信息,请查看 https://github.com/apache/incubator-mxnet/tree/master/tools。

支持 Keras v1.2 多 GPU 执行

该版本同样为 Keras v1.2 提供了各种支持,Keras v1.2 是一个非常流行的高级 Python 库,它可以轻松地开发深度学习模型。Keras 还提供了高级构建块(对神经网络建模)的易用接口。

开发者可以使用其它框架(如 TensorFlow、Theano 等)配置 Keras,而现在 MXNet 可以作为运行后端(runtime backend)执行底层的复杂计算和模型训练。

使用 MXNet 作为 Keras 的后端,开发者能在多 GPU 上实现高性能扩展。以前使用 Keras 并不能很好地将训练模型扩展到多块 GPU 中。Keras 用户现在可以通过多块 GPU 在训练中实现线性缩放。以下代码展示了当我们把 MXNet 作为后端时,如何在 Keras 中配置 GPU 的数量:

# Prepare the list of GPUs to be used in training
NUM_GPU = 16 # or the number of GPUs available on your machine
gpu_list = []for i in range(NUM_GPU): gpu_list.append('gpu(%d)' % i)

# Compile your model by setting the context to the list of GPUs to be used in training.
model.compile(loss='categorical_crossentropy',
 optimizer=opt,
 metrics=['accuracy'], 
 context=gpu_list)

现在,利用 Keras 界面,并在多个 GPU 上运行成为可能。英伟达已经就以 MXNet 为后端的 Keras 的性能基准进行了广泛的研究。你还可以访问 GitHub repo(https://github.com/dmlc/keras/wiki/Installation)了解如何使用 MXNet 作为 Keras 的后端。

新版本获取途径

你可以从源代码构建 MXNet 从而获取最终测试版,或者使用以下命令执行 pip 安装:

pip install mxnet==0.11.0.rc1

原文链接:https://aws.amazon.com/cn/blogs/ai/apache-mxnet-release-candidate-now-supports-apple-core-ml-and-keras-v1-2/

本文为机器之心报道,转载请联系本公众号获得授权。

✄------------------------------------------------

原文发布于微信公众号 - 机器之心(almosthuman2014)

原文发表时间:2017-08-17

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏ATYUN订阅号

TensorFlow工程师分享了TensorFlow Serving最近的创新进展

近日,Tesorflow软件工程师Noah Fiedel通过本文描述了机器学习模型TensorFlow Serving最近的一些创新进展 ? TensorFlo...

4243
来自专栏AlgorithmDog的专栏

拖拽式机器学习的爱与恨

拖拽式机器学习是我想了很久的问题。 ? 1. 前世今生 拖拽式机器学习是,人们在界面上通过拖拽就是建立机器学习过程。拖拽式机器学习系统一...

3716
来自专栏人工智能头条

黄金三镖客之TensorFlow版

2053
来自专栏量子位

搞自动驾驶汽车很复杂?其实一个浏览器就行(讲解、代码全都有)

作者:janhuenermann 编译:量子位(QbitAI) · 问耕 自动驾驶高大上?其实在浏览器里也能玩。 上面那个视频是一个2D环境下的无人驾驶系统,...

3015
来自专栏吉浦迅科技

【讲座】在NVIDIA Jetson上从Tensorflow到TensorRT

NVIDIA在太平洋时间3月8日上午11:00-12:00(北京时间3月9日凌晨3:00-4:00)举办了主题为“AI at the Edge: TensorF...

5646
来自专栏IT大咖说

自主研发、不断总结经验,美团搜索推荐机器学习平台

内容来源:2018 年 5 月 26 日,美团点评技术专家杨一帆在“饿了么技术沙龙·第25弹【搜索推荐】”进行《Why WAI: 美团点评搜索推荐机器学习平台》...

2545
来自专栏腾讯技术工程官方号的专栏

如何节省 1TB 图片带宽?解密极致图像压缩

在不断出现的新格式被逐步应用之后,兼容性最好的传统老格式 JPEG 依然地位高居不下占据大幅带宽,如何在老格式上也继续挖掘优化点?

75010
来自专栏ATYUN订阅号

NVIDIA发布最新数据增强库和图像解码库

由深度学习支持的计算机视觉应用包括复杂的多阶段预处理数据流水线,其中包括计算密集型步骤,如从磁盘加载和提取数据,解码,裁剪和调整大小,颜色和空间变换以及格式转换...

1155
来自专栏深度学习之tensorflow实战篇

IBM SPSS Modeler Social Network Analysis 的介绍和日常应用

IBM SPSS Modeler Social Network Analysis,中文叫做社交网络分析,本文将一律简称 SNA。 引言 IBM Business...

30910
来自专栏挖掘大数据

如何利用已有的大数据技术,搭建机器学习平台

人脑具备不断积累经验的能力,依赖经验我们便具备了分析处理的能力,比如我们要去菜场挑一个西瓜,别人或者自己的经验告诉我们色泽青绿、根蒂蜷缩、纹路清晰、敲声浑响的西...

5740

扫码关注云+社区