轻量级，便携式，灵活的分布式/移动深度学习，具有动态，突变感知的数据流 Dep 调度程序;
适用于Python，R，Julia，Scala，Go，Javascript等，详情请参考：https://mxnet.apache.org
GitHub地址：https://github.com/apache/incubator-mxnet
Apache MXNet（孵化）是一个深度学习框架，旨在提高效率和灵活性。它允许您混合符号和命令式编程，以最大限度地提高效率和生产力。MXNet的核心是一个动态依赖调度程序，可以动态地自动并行化符号和命令操作。最重要的图形优化层使符号执行更快，内存效率更高。MXNet便携且轻巧，可有效扩展到多个GPU和多台机器。
MXNet也不仅仅是一个深度学习项目。它还是用于构建深度学习系统的蓝图和指南的集合，以及针对黑客的DL系统的有趣见解。
特性
灵活的编程模型：支持命令式和符号式编程模型以最大化效率和性能。
从云端到客户端可移植：可运行于多CPU、多GPU、集群、服务器、工作站甚至移动智能手机。
多语言支持：支持七种主流编程语言，包括C++、Python、R、Scala、Julia、Matlab和JavaScript。事实上，它是唯一支持所有 R 函数的构架。
本地分布式训练：支持在多CPU/GPU设备上的分布式训练，使其可充分利用云计算的规模优势。
性能优化：使用一个优化的C++后端引擎并行I/O和计算，无论使用哪种语言都能达到最佳性能。
云端友好，可直接与S3，HDFS和Azure兼容
架构
历史
MXNet来自cxxnet，minerva和purine2的作者的合作。该项目反映了我们从过去的项目中学到的东西。MXNet结合了每个项目的各个方面，以实现灵活性，速度和内存效率。
番外
五大主流深度学习框架比较分析：MXNET是最好选择（2016年）
提问
请使用discuss.mxnet.io 提问。
请使用mxnet/issues报告错误。
许可证
Licensed under an Apache-2.0 license.
参考文献
Tianqi Chen, Mu Li, Yutian Li, Min Lin, Naiyan Wang, Minjie Wang, Tianjun Xiao, Bing Xu, Chiyuan Zhang, and Zheng Zhang. MXNet: A Flexible and Efficient Machine Learning Library for Heterogeneous Distributed Systems. In Neural Information Processing Systems, Workshop on Machine Learning Systems, 2015
