MXNet 是一个轻量级、可移植、灵活的分布式深度学习框架，2017 年 1 月 23 日，该项目进入 Apache 基金会，成为 Apache 的孵化器项目。
MXNet 项目由 DMLC（Distributied （Deep） Machine Learning Community）创建，前期开发者主要是 CXXNet ， Minerva 和 purine2 的作者。MXNet 项目于 2015 年 9 月开源，目前项目代码托管在Github 上，已经拥有200 多位贡献者。
MXNet 的初衷是想结合 Minerva 和 CXXNet 两者的功能：CXXNet 通过配置来定义和训练神经网络，所以在图片分类等使用卷积网络的应用上很方便；而 Minerva 提供类似 numpy 一样的张量计算接口，更灵活。MXNet 就是这样一个两者功能都具备的系统，其名字来自 Minerva 的 M 和 CXXNet 的 XNet，其中 Symbol 的想法来自 CXXNet，而 NDArray 的想法来自 Minerva。
目前主流的深度学习系统一般采用命令式编程（imperative programming，比如 Torch）或声明式编程（declarative programming，比如 Caffe，theano 和 TensorFlow）两种编程模式中的一种，而 MXNet 尝试将两种模式结合起来，在命令式编程上 MXNet 提供张量运算，而声明式编程中 MXNet 支持符号表达式。用户可以根据需要自由选择，同时，MXNet 支持多种语言的 API 接口，包括 Python、C++（并支持在 Android 和 iOS 上编译）、R、Scala、Julia、Matlab 和 JavaScript。
继上个月 Amazon 宣布将 MXNet 作为 AWS 的深度学习框架，号召开源社区为 MXNet 投入更多的努力（详见之前 InfoQ 的报道）之后，成为 Apache 孵化器项目是 MXNet 发展过程中的又一里程碑，以后 MXNet 必将不断优化完善，带来进一步的性能提升。
未来，MXNet 将主要关注以下四个方向：
- 支持更多的硬件
- 更加完善的操作子
- 更多编程语言
- 更多的应用
感谢刘志勇对本文的审校。
给InfoQ 中文站投稿或者参与内容翻译工作，请邮件至 editors@cn.infoq.com 。也欢迎大家通过新浪微博（ @InfoQ ， @丁晓昀），微信（微信号： InfoQChina ）关注我们。
