dmlc
收录了 dmlc 频道下的 29 篇内容
DMLC：最大开源分布式机器学习项目
近日，分布式开源机器学习项目正式发布。本文对该项目所包含的库及系统组件进行了简单介绍。
用 MXnet 实战深度学习之一：安装 GPU 版 mxnet 并跑一个 MNIST 手写数字识别
本文是一系列深度学习的简单实战教程的第一篇，用MXnet做实现平台的实例代码，简单讲解深度学习常用的一些技术方向和实战样例。来自Phunter的博客，Phunter的职业是数据科学家，DMLC (http://dmlc.ml/) 工具包贡献者之一。
用 MXnet 实战深度学习之二:Neural art
本文是一系列深度学习的简单实战教程的第二篇，用MXnet的neural art示例电脑绘画，用来讲解卷积网络ConvNet（CNN）。第一篇为安装GPU版mxnet并跑一个MNIST手写数字识别。来自Phunter的博客，Phunter的职业是数据科学家，DMLC (http://dmlc.ml/) 工具包贡献者之一。
XGBoost 缺失值引发的问题及其深度分析
本文介绍美团XGBoost缺失值引发的问题及其深度分析。
XGBoost 缺失值引发的问题及其深度分析
本文分析XGBoost模型，使用同一个模型、同一份测试数据，在本地调用（Java引擎）与平台（Spark引擎）计算的结果不一致的问题。
HDFS Federation 在美团点评的应用与改进
HDFS Federation为HDFS系统提供了NameNode横向扩容能力。然而作为一个已实现多年的解决方案，真正应用到已运行多年的大规模集群时依然存在不少的限制和问题。本文以实际应用场景出发，介绍了HDFS Federation在美团点评的实际应用经验。
2016 机器学习大盘点（第 2 篇）
作为系列文章的第二篇，本文介绍了2016年最主要的机器学习和深度学习技术、项目、框架，并回顾了相关领域的重要进展和事件。
字节跳动开源高性能分布式训练框架 BytePS：兼容 TensorFlow 等
BytePS在性能上颠覆了过去几年allreduce流派一直占据上风的局面
AWS Deep Learning AMI 现在包含 Apache MXNet 0.11 和 TensorFlow 1.3
AWS Deep Learning Amazon 系统映像 (AMI) 旨在帮助您在 AWS 上构建稳定、安全且可扩展的深度学习应用程序。
MXNet API 入门 —第 5 篇
Apache MXNet是一种功能全面、可以灵活编程并且扩展能力超强的深度学习框架，支持包括卷积神经网络(CNN)与长短期记忆网络(LSTM)在内的顶尖深度模型。这一系列文章介绍了MXNet的基本概念和使用方法。本篇主要介绍不同模型的对比结果。
深度学习框架 MXNet 成为 Apache 孵化器项目
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 API 入门 —第 4 篇
Apache MXNet是一种功能全面、可以灵活编程并且扩展能力超强的深度学习框架，支持包括卷积神经网络(CNN)与长短期记忆网络(LSTM)在内的顶尖深度模型。这一系列文章介绍了MXNet的基本概念和使用方法。本篇主要介绍如何使用训练模型进行图片分类。
如何用机器学习模型，为十几亿数据预测性别
本文将以性别标签为例，介绍人口属性标签预测的机器学习模型构建与优化。
丰富 TF Serving 生态，爱奇艺开源灵活高性能的推理系统 XGBoost Serving
近期，爱奇艺决定将这一系统开源，本文将详细介绍项目开发背景、系统实践、系统特性和架构及实现等内容。
2018 年最受欢迎的 Python 库，你都用过吗？
日，数据科学网站KDnuggets评选出了顶级Python库Top15，领域横跨数据科学、数据可视化、深度学习和机器学习。
宣布为 Apache MXNet 推出 ONNX 支持
今天，AWS 宣布推出 ONNX-MXNet，它是一种用于将 Open Neural Network Exchange (ONNX) 深度学习模型导入到 Apache MXNet 的开源 Python 程序包。
MXNet API 入门 —第 6 篇
Apache MXNet是一种功能全面、可以灵活编程并且扩展能力超强的深度学习框架，支持包括卷积神经网络(CNN)与长短期记忆网络(LSTM)在内的顶尖深度模型。这一系列文章介绍了MXNet的基本概念和使用方法。本篇主要介绍不同模型的对比结果。
Amazon Elastic Inference GPU 支持的深度学习推理加速
最近人工智能和深度学习的发展迅速，其中一个原因是图形处理单元 (GPU) 神奇的计算能力。
道器相融，论一个优秀机器学习平台的自我修养
2017年6月，腾讯正式开源面向机器学习的第三代高性能计算平台 Angel，在GitHub上备受关注；2017年10月19日，腾讯T4专家Andymhuang（黄明）将为QCon上海的听众奉上一场Spark on Angel的精彩分享。作为Angel的主要开发者和团队负责人，同时也是Spark的早期研究者和布道者，他的工作经历可以说同步了通用大数据平台到专用机器学习平台的转变历程。因此，在这之前，InfoQ对黄明进行了一次采访，他将与大家分享人工智能时代的大数据平台演进之路，并结合Angel的开发经验，谈谈如何打造一个优秀的机器学习平台，以及开源后Angel的最新消息和未来规划。
促进软件开发及相关领域知识与创新的传播
京公网安备 11010502039052号 | 产品资质
扫码添加小助手
领取最新资料包
