Речник

BMXNet

Какво е BMXNet?

BMXNet е библиотека с отворен код за бинарни невронни мрежи, публикувана през 2017 г. от Hasso-Plattner-Institut в Потсдам и изградена върху рамката Apache MXNet. Бинарните мрежи съхраняват теглата и активациите с един бит вместо с 32, което прави моделите много по-малки и по-бързи – привлекателно за смартфони и вградени устройства, макар обикновено с известна загуба на точност. Тъй като MXNet беше прекратена през 2023 г., днес BMXNet представлява интерес главно за изследванията (към октомври 2026 г.).

Теми

Дълбоко обучение
Edge AI
Изследвания

Изпробвайте KI.ordo

Агенти, потоци и шаблони в едно работно пространство – безплатна 24-часова демонстрация.

Стартирайте демото

← Всички термини

Свързани термини

MXNet

Apache MXNet беше фреймуърк за дълбоко обучение с отворен код, който можеше да обучава модели ефективно на няколко графични процесора и машини, с интерфейси за Python, C++, R, Scala и други езици. Amazon Web Services го подкрепяше като предпочитан фреймуърк в продължение на няколко години. Apache Software Foundation прекрати проекта през септември 2023 г. и до февруари 2024 г. го премести в Apache Attic; той вече не се развива. Съществуващите модели обикновено се мигрират към други фреймуърци.

рамка
дълбоко обучение
+1

Изкуствени невронни мрежи (ANN)

Изкуствените невронни мрежи (artificial neural networks, ANN) са изчислителни модели, съставени от много свързани единици („неврони“), разположени на слоеве, които обработват входните данни чрез претеглени връзки. По време на обучението теглата се коригират стъпка по стъпка с помощта на примери, обикновено чрез обратно разпространение на грешката. ANN са основата на дълбокото обучение и задвижват разпознаването на образи, разпознаването на реч и големите езикови модели. Въпреки биологичното вдъхновение те работят много по-просто от човешкия мозък.

Дълбоко обучение
основи на ИИ
+1

Дълбоко обучение

Дълбокото обучение е дял от машинното обучение, който използва изкуствени невронни мрежи с много слоеве. Такива мрежи се учат от големи количества данни кои характеристики са важни – от ръбове в изображенията до смислови връзки в текстовете. Дълбокото обучение е в основата на съвременните езикови модели, на разпознаването на образи и реч и на машинния превод и обикновено изисква значителна изчислителна мощност и много обучителни данни.

невронни мрежи
машинно обучение
+1