![SSSSLIDE](https://cdn-ak-scissors.b.st-hatena.com/image/square/161b2de6d8eceb6b26a9ffb1969f7844e5fdab0a/height=288;version=1;width=512/https%3A%2F%2Fsssslide.com%2Fogp.png)
Apache MXNet on AWS は、高速でスケーラブルなトレーニングおよび推論フレームワークで、機械学習用の使いやすく簡潔な API が付属しています。 MXNet に含まれている Gluon インターフェイスにより、デベロッパーは、自身のスキルレベルにかかわらず、クラウド、エッジデバイス、モバイルアプリでの深層学習を開始できます。数行の Gluon コードで、オブジェクト検出、音声認識、レコメンデーション、パーソナライズといった用途の直線回帰、畳み込みネットワーク、リカレント LSTM を構築できます。 完全マネージド型の MxNet エクスペリエンスで、規模に合わせて機械学習を構築、トレーニング、デプロイできるプラットフォームである、Amazon SageMaker の使用を今すぐ開始できます。別の方法として、AWS Deep Learning AMI を MxNet および他
(注:2017/06/16、いただいたフィードバックを元に翻訳を修正いたしました。) MXNetチュートリアル このシリーズでは、 MXnet 深層学習ライブラリの概要をまとめていきます。主な機能やPython API(もっとも選択しやすいと思います)について説明します。それからMXNetチュートリアルやオンラインで提供されているノートブックを探究してみましょう。うまくいけば、なんとかコードの1行1行を理解出来るようになるでしょう。 MXNetの理論的根拠やアーキテクチャについて学びたい方は、ぜひ『 MXNet: A Flexible and Efficient Machine Learning Library for Heterogeneous Distributed Systems(MXNet: ヘテロジニアス分散システムのための柔軟で効率的な機械学習ライブラリ) 』という 論文 をお
こんにちは。ソリューションアーキテクトの布目です。本日はAWS Compute Blogに掲載されたSeamlessly Scale Predictions with AWS Lambda and MXNetをご紹介します。 Sunil Mallya, ソリューションアーキテクト AIソリューションを大規模に構築することは困難を伴います。このブログではAWS LambdaとMXNetを、スケーラブルな予測パイプラインの構築に活用する方法を見ていきます。 機械学習や深層学習を活用しようとする企業は、単なるモデルの学習よりもはるかに多くの投資をしています。そこには、次に示すステージを含む洗練されたパイプラインが存在します: データストレージ プリプロセッシング 特徴抽出 モデルの生成 モデルの分析 特徴エンジニアリング フィードバックの評価 パイプラインの各ステージでは次が要求されます: 変化
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く