Fogalomtár

BMXNet

Mi a(z) BMXNet?

A BMXNet egy nyílt forráskódú könyvtár bináris neurális hálózatokhoz, amelyet a potsdami Hasso Plattner Institut adott ki 2017-ben az Apache MXNet keretrendszerre építve. A bináris hálózatok a súlyokat és az aktivációkat 32 bit helyett egyetlen biten tárolják, így a modellek jóval kisebbek és gyorsabbak – ami okostelefonok és beágyazott eszközök esetén vonzó, bár általában a pontosság rovására megy. Mivel az MXNet-et 2023-ban kivezették, a BMXNet ma főként kutatási szempontból érdekes (2026. októberi állapot).

Témák

Mélytanulás
Peremhálózati MI (edge AI)
Kutatás

Próbálja ki a KI.ordót

Ügynökök, munkafolyamatok és sablonok egyetlen munkaterületen – ingyenes, 24 órás demó.

Demó indítása

← Minden fogalom

Kapcsolódó fogalmak

MXNet

Az Apache MXNet egy nyílt forráskódú mélytanulási keretrendszer volt, amely hatékonyan tudott modelleket tanítani több GPU-n és gépen, Python, C++, R, Scala és más nyelvek felületeivel. Az Amazon Web Services néhány évig előnyben részesített keretrendszerként támogatta. Az Apache Software Foundation 2023 szeptemberében megszüntette a projektet, és 2024 februárjára áthelyezte az Apache Atticba; többé nem fejlesztik. A meglévő modelleket általában más keretrendszerekre telepítik át.

keretrendszer
mélytanulás
+1

Mesterséges neurális hálók (ANN-ek)

A mesterséges neurális hálók (ANN-ek) számítási modellek, amelyek sok összekapcsolt egységből („neuronból”) állnak, rétegekbe rendezve, és súlyozott kapcsolatokon keresztül dolgozzák fel a bemeneteket. A tanítás során a súlyokat lépésről lépésre, példák alapján módosítják, általában visszaterjesztéssel (backpropagation). Az ANN-ek a mélytanulás alapját képezik, és a képfelismerés, a beszédfelismerés és a nagy nyelvi modellek mögött állnak. Biológiai ihletésük ellenére sokkal egyszerűbben működnek, mint az emberi agy.

Mélytanulás
MI-alapok
+1

Mélytanulás

A mélytanulás a gépi tanulás egyik ága, amely sok rétegű mesterséges neurális hálókat használ. Az ilyen hálók nagy adatmennyiségből tanulják meg, mely jellemzők számítanak – a képek éleitől a szövegek jelentésbeli összefüggéseiig. A mélytanulás áll a mai nyelvi modellek, a kép- és beszédfelismerés, valamint a gépi fordítás mögött, és általában jelentős számítási teljesítményt és tanítóadatot igényel.

neurális hálók
gépi tanulás
+1