DE
AnmeldenJetzt starten
Glossar

BMXNet

Was ist BMXNet?

BMXNet ist eine quelloffene Bibliothek für binäre neuronale Netze, die 2017 am Hasso-Plattner-Institut in Potsdam auf Basis des Frameworks Apache MXNet veröffentlicht wurde. Binäre Netze speichern Gewichte und Aktivierungen mit nur einem Bit statt 32 Bit; dadurch werden Modelle deutlich kleiner und schneller – interessant für Smartphones und eingebettete Geräte, allerdings meist auf Kosten der Genauigkeit. Da MXNet 2023 eingestellt wurde, ist BMXNet heute vor allem von Forschungsinteresse (Stand: Oktober 2026).

Themen

  • Deep Learning
  • Edge-KI
  • Forschung

KI.ordo ausprobieren

Agenten, Abläufe und Vorlagen in einem Arbeitsbereich – 24 Stunden kostenlos als Demo.

Demo starten
← Alle Begriffe

Verwandte Begriffe

MXNet

Apache MXNet war ein quelloffenes Deep-Learning-Framework, das Modelle effizient auf mehreren Grafikprozessoren und Rechnern trainieren konnte und Schnittstellen für Python, C++, R, Scala und weitere Sprachen bot. Amazon Web Services unterstützte es einige Jahre als bevorzugtes Framework. Das Projekt wurde im September 2023 von der Apache Software Foundation eingestellt und bis Februar 2024 ins Apache Attic verschoben; es wird nicht mehr weiterentwickelt. Bestehende Modelle werden meist auf andere Frameworks migriert.

  • Framework
  • Deep Learning
  • +1

Künstliche neuronale Netze (KNN)

Künstliche neuronale Netze (KNN) sind Rechenmodelle aus vielen verbundenen Einheiten („Neuronen“), die in Schichten angeordnet sind und Eingaben über gewichtete Verbindungen verarbeiten. Beim Training werden die Gewichte anhand von Beispielen schrittweise angepasst, meist per Backpropagation. KNN sind die Grundlage des Deep Learning und stecken in Bilderkennung, Spracherkennung und großen Sprachmodellen. Trotz des biologischen Vorbilds funktionieren sie deutlich einfacher als das menschliche Gehirn.

  • Deep Learning
  • KI-Grundlagen
  • +1

Deep Learning

Deep Learning ist ein Teilbereich des maschinellen Lernens, der künstliche neuronale Netze mit vielen Schichten nutzt. Solche Netze lernen aus großen Datenmengen selbstständig, welche Merkmale wichtig sind – von Kanten in Bildern bis zu Bedeutungszusammenhängen in Texten. Deep Learning bildet die Grundlage heutiger Sprachmodelle, der Bild- und Spracherkennung sowie der maschinellen Übersetzung und benötigt meist viel Rechenleistung und Trainingsdaten.

  • neuronale Netze
  • maschinelles Lernen
  • +1