微软携手亚马逊推出全新Gluon深度学习库, 全面支持符号式和命令式编程

AI科技评论消息，继微软和Facebook联手发布ONNX开源生态标准，日前，微软和亚马逊又达成一致，携手发布Gluon深度学习库。

据微软方面表示，Gluon是一个深度学习库（接口），它是一个支持符号式和命令式编程的API，在创造深度学习模型的过程中能极大的简化进程，而不会使训练速度减慢。Gluon也将支持CNTK（Microsoft Cognitive Toolkit）深度学习库。Gluon为开发者提供的高级KPI能让他们交替运行不同的深度学习库。

Gluon具体介绍

Gluon用于构建神经网络，很简洁，是一个动态的高级深度学习库（接口），在使用MXNet和CNTK时都可以调用它，微软Azure的所有服务、工具和基础结构也将全面支持Gluon。Gluon为开发者提供的接口非常好用，它支持高度可扩展的训练，能高效的评估模型。对于经验老道的研究人员来说，在发挥Gluon的优势时完全不会牺牲灵活性。对于一些公司、数据科学家和开发者来说，Gluon支持一些高级API和预建/模块化的构件，很简洁，并且非常适用于深度学习。

Gluon的主要特征和好处

Gluon能让开发者更简单的学习、规定和调试深度神经网络，也可以让接下来的迭代和保持更加简单，也支持开发作者快速构建和训练神经网络，主要的亮点如下：

符号式和命令式编程

对于高级用户，Gluon支持很多复杂技术，如动态图和灵活结构。目前还没有同时支持符号式和命令式编程的其他工具包。

Hybridization

Gluon包含完全的符号化的自动微分代码，这些代码已经被程序执行了，也包括控制流。

Gluon通过hybridization实现这一点:静态计算图先被计算出来，然后在随后的迭代中缓存和重用。计算图也可以被导出，例如给移动设备提供服务。

规定复杂模型

Gluon自带一个丰富的内嵌层库，通过重用库中预建的构件，可以大大简化规定复杂模型架构的任务。

执行高效

Gluon支持循环和不规则张量（ragged tensors）(能批处理变长度序列)，对于RNN和LSTM模型具有空前的效率。

支持稀疏数据

Gluon提供对稀疏和量化数据及操作的全面支持，可以用于计算和通信。稀疏性在NLP领域的深度神经网络中非常常见，而量化对于运行时性能评估至关重要。

先进的调度

虽然在单个GPU上进行调度很容易，但在多个GPU上操作要复杂得多。通过MXNet或CNTK后端，Gluon在符号式和命令式模式下都提供自动分配。

总结

利用Gluon，开发者将能使用他们最喜欢的高级编程模型、工具和平台，更快地传递一些新的、令人兴奋的创新AI观念。Gluon将和ONNX（能支持用户用标准格式创造和保存AI模型）一起，创造一个全新的开放AI生态。期待大家利用这些工具带来更多更好的想法。

关于ONNX，可以参见 AI科技评论此前报导：Facebook、微软联合推出 ONNX 标准，号称要解决开发框架碎片化。

目前在MXNet上已经可以使用Gluon接口了，可以在GitHub上查看详情，地址为：

https://github.com/gluon-api/gluon-api/

via：microsoft官网