BMXNet je odprtokodna knjižnica za binarne nevronske mreže, ki jo je leta 2017 izdal Inštitut Hasso Plattner v Potsdamu in temelji na ogrodju Apache MXNet. Binarne mreže uteži in aktivacije shranjujejo z enim samim bitom namesto z 32, zato so modeli veliko manjši in hitrejši – privlačni za pametne telefone in vgrajene naprave, čeprav običajno na račun nekaj natančnosti. Ker je bil MXNet leta 2023 upokojen, je BMXNet danes zanimiv predvsem za raziskave (stanje oktober 2026).
Agenti, poteki dela in predloge v enem delovnem prostoru – brezplačna 24-urna predstavitev.
Začni predstavitevApache MXNet je bilo odprtokodno ogrodje za poglobljeno učenje, ki je lahko učinkovito učilo modele na več grafičnih procesorjih in strojih, z vmesniki za Python, C++, R, Scalo in druge jezike. Amazon Web Services ga je več let podpiral kot prednostno ogrodje. Apache Software Foundation je projekt septembra 2023 ukinila in ga do februarja 2024 prestavila v Apache Attic; ne razvija se več. Obstoječe modele običajno prenesejo v druga ogrodja.
Umetne nevronske mreže (artificial neural networks, ANN) so računski modeli iz mnogih povezanih enot („nevronov“), razporejenih v sloje, ki vhode obdelujejo prek uteženih povezav. Med učenjem se uteži korak za korakom prilagajajo na primerih, običajno z vzvratnim razširjanjem napake. ANN so temelj globokega učenja in poganjajo prepoznavanje slik, prepoznavanje govora in velike jezikovne modele. Kljub biološkemu zgledu delujejo veliko preprosteje kot človeški možgani.
Globoko učenje je veja strojnega učenja, ki uporablja umetne nevronske mreže z mnogo sloji. Takšne mreže se iz velikih količin podatkov naučijo, katere značilnosti so pomembne – od robov na slikah do pomenskih povezav v besedilih. Globoko učenje je podlaga današnjih jezikovnih modelov, prepoznavanja slik in govora ter strojnega prevajanja in običajno zahteva veliko računske moči in učnih podatkov.
