Glossaire

BMXNet

Qu’est-ce que BMXNet ?

BMXNet est une bibliothèque open source pour réseaux de neurones binaires, publiée en 2017 par le Hasso-Plattner-Institut de Potsdam et fondée sur le framework Apache MXNet. Les réseaux binaires stockent poids et activations sur un seul bit au lieu de 32, ce qui rend les modèles bien plus légers et rapides – un atout pour smartphones et systèmes embarqués, généralement au prix d'une précision moindre. MXNet ayant été abandonné en 2023, BMXNet présente aujourd'hui surtout un intérêt de recherche (état : octobre 2026).

Thèmes

Apprentissage profond
IA embarquée
Recherche

Essayer KI.ordo

Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.

Lancer la démo

← Tous les termes

Termes associés

MXNet

Apache MXNet était un framework open source de deep learning capable d’entraîner efficacement des modèles sur plusieurs GPU et machines, avec des interfaces pour Python, C++, R, Scala et d’autres langages. Amazon Web Services l’a soutenu pendant quelques années comme framework privilégié. L’Apache Software Foundation a mis fin au projet en septembre 2023 et l’a transféré dans l’Apache Attic en février 2024 ; il n’est plus développé. Les modèles existants sont généralement migrés vers d’autres frameworks.

framework
deep learning
+1

Réseaux de neurones artificiels (RNA)

Les réseaux de neurones artificiels (RNA) sont des modèles de calcul composés de nombreuses unités connectées (« neurones »), organisées en couches, qui traitent les entrées via des connexions pondérées. Pendant l'entraînement, les poids sont ajustés progressivement à partir d'exemples, le plus souvent par rétropropagation. Les RNA sont à la base de l'apprentissage profond et se retrouvent dans la reconnaissance d'images et de la parole ainsi que dans les grands modèles de langage. Malgré leur inspiration biologique, ils fonctionnent bien plus simplement que le cerveau humain.

Apprentissage profond
Fondamentaux IA
+1

Apprentissage profond

L'apprentissage profond (deep learning) est une branche de l'apprentissage automatique qui utilise des réseaux de neurones artificiels à nombreuses couches. Ces réseaux apprennent eux-mêmes, à partir de grandes quantités de données, quelles caractéristiques comptent – des contours dans les images aux liens de sens dans les textes. Il est à la base des modèles de langage actuels, de la reconnaissance d'images et de la parole ainsi que de la traduction automatique, et exige généralement beaucoup de puissance de calcul et de données.

réseaux de neurones
apprentissage automatique
+1