0
| 本文作者： 汪思穎 | 2017-08-21 18:50 |
雷鋒網(wǎng)按：本文作者解浚源，原載于知乎，雷鋒網(wǎng)已獲其授權(quán)。
經(jīng)過3個(gè)月的開發(fā)，MXNet 0.11版發(fā)布啦！0.11是MXNet正式加入Apache以后的第一個(gè)版本，官方網(wǎng)站搬到了Apache的服務(wù)器（注意：要在最上方Version處選擇master才能看到包含Gluon的最新文檔）。
這次最大的改進(jìn)是加入了動(dòng)態(tài)圖接口Gluon。Gluon學(xué)習(xí)了Keras，Chainer，和Pytorch的優(yōu)點(diǎn)，并加以改進(jìn)。接口更簡單，且支持動(dòng)態(tài)圖（Imperative）編程。相比TF，Caffe2等靜態(tài)圖（Symbolic）框架更加靈活易用。同時(shí)Gluon還繼承了MXNet速度快，省顯存，并行效率高的優(yōu)點(diǎn)，并支持靜、動(dòng)態(tài)圖混用，比Pytorch更快。
同時(shí)為了徹底解決MXNet文檔不全的弱點(diǎn)，我們還特地邀請(qǐng)了前CMU知名教授Alex Smola和即將出任CMU教授的小網(wǎng)紅Zachary Lipton聯(lián)手為Gluon打造文檔！
Gluon采用Keras和Numpy風(fēng)格API，并且Layer可以自動(dòng)判斷輸入長度。用過Chainer和Pytorch的人想必都體會(huì)過每一層都要記住前一層輸出長度的麻煩，從卷積層到全連接層過渡時(shí)長度計(jì)算更是痛苦，往往要運(yùn)行一遍才知道。在Gluon里則沒有這種問題，每層只要指定輸出長度，輸入長度則可以由系統(tǒng)自動(dòng)計(jì)算。
深度學(xué)習(xí)框架大體分為兩類：以TensorFlow，caffe2為代表的靜態(tài)圖（Symbolic）框架和以Chainer，Pytorch為代表的動(dòng)態(tài)圖（Imperative）框架。靜態(tài)圖的優(yōu)勢在于速度快，省內(nèi)存，便于線上部署。而動(dòng)態(tài)圖框架的優(yōu)勢是靈活，易用，debug方便，特別是在自然語言處理和增強(qiáng)學(xué)習(xí)等領(lǐng)域，比起靜態(tài)圖框架有顯著優(yōu)勢。
Gluon同時(shí)支持靈活的動(dòng)態(tài)圖和高效的靜態(tài)圖，讓你在享受動(dòng)態(tài)編程的靈活易用的同時(shí)最小化性能的損失。而Gluon的HybridBlock和hybridize接口讓你可以在靜態(tài)動(dòng)態(tài)間一鍵切換。0.11版Gluon比0.20版Pytorch快10%以上，在未來的一兩個(gè)月我們會(huì)加入更多優(yōu)化，再提高10%以上的性能。
深度學(xué)習(xí)的教材和樣例雖多，但是教材往往重理論輕實(shí)踐，而樣例重實(shí)踐卻不系統(tǒng)。為了填補(bǔ)理論和實(shí)踐之間的空白，并一舉解決MXNet文檔不全的弱項(xiàng)，我們特邀兩位CMU教授Alex Smola和Zachary Lipton為Gluon撰寫一部兼顧深度學(xué)習(xí)理論，動(dòng)手編程，和實(shí)戰(zhàn)應(yīng)用的文檔+教材。
Gluon教程包括深度學(xué)習(xí)理論講解和代碼實(shí)踐。前五章每個(gè)例子都包括了兩個(gè)版本。從零開始（from scratch）版本深入講解所有細(xì)節(jié)，Gluon版本則著重演示高級(jí)封裝的靈活高效。建議剛開始接觸深度學(xué)習(xí)的同學(xué)從頭開始順序閱讀，而已經(jīng)有一定經(jīng)驗(yàn)的同學(xué)可以跳過基礎(chǔ)教程只看Gluon版。這套教程現(xiàn)在在Github上公開寫作，共計(jì)劃18章，已經(jīng)完成了前五章。印刷出版和中文翻譯也在計(jì)劃中。我們保證每天更新，絕不棄坑，歡迎大家試讀，也歡迎參與創(chuàng)作！
Tensorflow：Gluon同時(shí)支持靜態(tài)圖和動(dòng)態(tài)圖，在靈活性和速度上都有優(yōu)勢。但由于Gluon剛剛面市，在成熟度和線上部署方面還有不足。總的來說在做深度學(xué)習(xí)研究的同學(xué)不妨一試。
Pytorch：Gluon與Pytorch的相似度很高，而Gluon獨(dú)特的靜、動(dòng)態(tài)圖混合功能可以在不犧牲靈活性的前提下提高性能。如果你喜歡pytorch的簡單易用又在乎性能，那么強(qiáng)烈建議你試一試Gluon。
Apache MXNet官方網(wǎng)站：https://mxnet.incubator.apache.org/
0.11 新特性：https://github.com/apache/incubator-mxnet/releases
安裝指南：https://mxnet.incubator.apache.org/versions/master/get_started/install.html
Gluon教程：http://gluon.mxnet.io/
Gluon講座PPT： https://github.com/zackchase/mxnet-slides/blob/master/kdd-mxnet-slides.pdf
Gluon深度學(xué)習(xí)樣例：https://github.com/apache/incubator-mxnet/tree/master/example/gluon
