Glossario

BMXNet

Che cos’è BMXNet?

BMXNet è una libreria open source per reti neurali binarie, pubblicata nel 2017 dall'Hasso-Plattner-Institut di Potsdam sulla base del framework Apache MXNet. Le reti binarie memorizzano pesi e attivazioni con un solo bit anziché 32, rendendo i modelli molto più piccoli e veloci: un vantaggio per smartphone e dispositivi embedded, di solito però a scapito della precisione. Poiché MXNet è stato dismesso nel 2023, oggi BMXNet ha soprattutto interesse di ricerca (aggiornato a ottobre 2026).

Temi

Deep learning
Edge AI
Ricerca

Prova KI.ordo

Agenti, flussi e modelli in un’unica area di lavoro – demo gratuita di 24 ore.

Avvia demo

← Tutti i termini

Termini correlati

MXNet

Apache MXNet era un framework open source per il deep learning, in grado di addestrare modelli in modo efficiente su più GPU e macchine, con interfacce per Python, C++, R, Scala e altri linguaggi. Per alcuni anni Amazon Web Services lo ha sostenuto come framework preferito. La Apache Software Foundation ha ritirato il progetto nel settembre 2023 e lo ha trasferito nell’Apache Attic entro febbraio 2024; non viene più sviluppato. I modelli esistenti vengono di solito migrati ad altri framework.

framework
deep learning
+1

Reti neurali artificiali (RNA)

Le reti neurali artificiali (RNA) sono modelli di calcolo composti da molte unità collegate («neuroni»), disposte in strati, che elaborano gli input tramite connessioni pesate. Durante l'addestramento i pesi vengono regolati passo dopo passo sulla base di esempi, di solito con la backpropagation. Le RNA sono alla base del deep learning e si trovano nel riconoscimento di immagini e del parlato e nei grandi modelli linguistici. Nonostante l'ispirazione biologica, funzionano in modo molto più semplice del cervello umano.

Deep learning
Fondamenti di IA
+1

Deep learning

Il deep learning (apprendimento profondo) è un ramo del machine learning che utilizza reti neurali artificiali con molti strati. Queste reti imparano da grandi quantità di dati quali caratteristiche sono rilevanti, dai bordi nelle immagini ai legami di significato nei testi. Il deep learning è alla base degli attuali modelli linguistici, del riconoscimento di immagini e voce e della traduzione automatica, e di solito richiede molta potenza di calcolo e molti dati di addestramento.

reti neurali
machine learning
+1