BMXNet är ett bibliotek med öppen källkod för binära neurala nätverk, släppt 2017 av Hasso Plattner-institutet i Potsdam och byggt på ramverket Apache MXNet. Binära nätverk lagrar vikter och aktiveringar med en enda bit i stället för 32, vilket gör modellerna betydligt mindre och snabbare – attraktivt för smarttelefoner och inbyggda enheter, men oftast på bekostnad av viss noggrannhet. Sedan MXNet avvecklades 2023 är BMXNet numera främst av forskningsintresse (per oktober 2026).
Apache MXNet var ett ramverk för djupinlärning med öppen källkod som effektivt kunde träna modeller över flera GPU:er och maskiner, med gränssnitt för Python, C++, R, Scala och andra språk. Amazon Web Services stödde det som sitt föredragna ramverk under några år. Apache Software Foundation avvecklade projektet i september 2023 och flyttade det till Apache Attic i februari 2024; det utvecklas inte längre. Befintliga modeller migreras vanligtvis till andra ramverk.
Artificiella neurala nätverk (ANN) är beräkningsmodeller som består av många sammankopplade enheter (”neuroner”) ordnade i lager som bearbetar indata via viktade förbindelser. Under träningen justeras vikterna steg för steg med hjälp av exempel, vanligtvis genom backpropagation. ANN är grunden för djupinlärning och driver bildigenkänning, taligenkänning och stora språkmodeller. Trots sin biologiska inspiration fungerar de betydligt enklare än den mänskliga hjärnan.
Djupinlärning är en gren av maskininlärningen som använder artificiella neurala nätverk med många lager. Sådana nätverk lär sig av stora datamängder vilka egenskaper som är viktiga – från kanter i bilder till betydelsesamband i texter. Djupinlärning ligger till grund för dagens språkmodeller, bild- och taligenkänning samt maskinöversättning och kräver vanligtvis stor beräkningskraft och mycket träningsdata.
