Amazon公司的Werner Vogels于上周宣布Amazon深度學習框架將會正式選用MXNet，并且AWS將會通過增加源代碼貢獻、改進文檔以及支持來自其它框架的可視化、開發以及遷移工具，為實現MXNet成功的長遠目標做出貢獻。

Vogles指出在欺詐檢測、推薦流水線、庫存和產品檢查審計等領域，有一系列無法通過編寫顯式算法實現的計算任務，對此問題一類被稱為深度學習的機器學習方法正日益發揮重要作用，此外，在內容搜索、自主無人機、訂單履行中心機器人、文本及語音識別等領域中也廣泛地使用了機器學習方法。Vogels給出了Amazon在深度學習框架選取中所考慮的三個因素，即擴展能力、開發速度及可移植性。

深度學習程序庫Caffe、CNTK、MXNet、TensorFlow、Theano和Torch都得到了Amazon的評估，并且被AWS所支持。現在AWS選定了MXNet作為可擴展框架，并號召開源社區為MXNet投入更多的努力。在機器學習平臺服務的開發上，AWS所采取的方法將會如同在RDS中一樣，并且：

“我們將通過提供最好的EC2實例組及適用的軟件工具，支持深度學習框架領域中所有廣受歡迎的深度學習框架。”

Vogels提到了今年初發布的深度學習AMI及附帶的云信息模板。AMI工具集是一種64位的Amazon Linux發布版，其中預裝了對CNTK的支持，以及針對MXNet、Graphviz、pygal和Python pandas的更新包。該發布版中預置了六種深度學習架構，分別是NXNet、Caffe、TensorFlow、Theano、Torch和CNTK。AMI中還包括NVIDIA CUDA Toolkit和cuDNN庫安裝程序、Anaconda、Python 2和3。評論表明這仍是第一代的AMI，它已經可為開始使用GPU架構的分析工程師提供良好的工作基礎。

MXNet最初是由華盛頓大學和卡內基梅隆大學(CMU)開發，用于支持卷積神經網絡(CNN)和長短期記憶網絡(LSTM)運算。CMU計算機科學系主任Andrew Moore指出：

MXNet誕生于CMU，并在CMU發展壯大。它是我目前所見到的最具擴展性的深度學習框架，也是計算機科學領域輝煌研究的代表性成果。多個不同學科交匯于其中并共同協作，實現將線性代數創造性地引入大規模分布式計算中，從而引領了深度學習的全新局面。我們很高興看到Amazon對MXNet的投入，并迫切期待MXNet能不斷地走向強大。

CMU在MXNet上訓練了Inception V3算法。訓練運行在一個P2實例的集群上，并逐步增添了GPU數目。在運行多至1000層的深度網絡時，MXNet僅占用了低至4GB的內存。MXNet支持多種語言的API接口，包括Python、C++(并支持在Android和iOS上編譯)、R、Scala、Julia、Matlab和JavaScript。

查看英文原文：Amazon Announces MXNet as Deep Learning Framework of Choice at AWS