云上MXNet实践

演讲嘉宾简介：

谢峰（撷峰），阿里云异构计算技术专家。有丰富的X86、ARM、GPU虚拟化技术经验，加入阿里云之前，曾作为主要开发者参与基于API Remoting方案的GPU虚拟化项目，并负责基于Xen的NVIDIA vGPU虚拟化技术的引入和产品落地，并对智能手机虚拟化技术有深入研究。目前从事阿里云GPU异构计算基础设施的研发以及GPU在深度学习等领域的应用研究和性能调优等工作。

本次直播视频精彩回顾，戳这里！ 

以下内容根据演讲嘉宾视频分享以及PPT整理而成。

本次的分享主要围绕以下三个方面：

一、MXNet 简介

二、阿里云上部署和运行MXNet

三、阿里云上的MXNet性能实践 

一、MXNet 简介

1.MXNet特点

MXNet是一个全功能，灵活可编程和高扩展性的深度学习框架。所谓深度学习，顾名思义，就是使用深度神经网络进行的机器学习。神经网络本质上是一门语言，我们通过它可以描述应用问题的理解。比如，卷积神经网络（CNN）可以表达空间相关性的问题，使用循环神经网络（RNN）可以表达时间连续性方面的问题。MXNet支持深度学习模型中的最先进技术，当然包括卷积神经网络（CNN），循环神经网络（RNN）中比较有代表性的长期短期记忆网络（LSTM）。根据问题的复杂性和信息如何从输入到输出一步一步提取，我们通过将不同大小，不同层按照一定的原则连接起来，最终形成完整的深层的神经网络。MXNet有三个特点，便携（Portable），高效（Efficient），扩展性（Scalable）。

我有几张阿里云幸运券分享给你，用券购买或者升级阿里云相应产品会有特惠惊喜哦！把想要买的产品的幸运券都领走吧！快下手，马上就要抢光了。

首先看第一个特点，便携（Portable）指方便携带，轻便以及可移植。MXNet支持丰富的编程语言，如常用的C++，python，Matlab，Julia，JavaScript，Go等等。同时支持各种各样不同的操作系统版本，MXNet可以实现跨平台的移植，支持的平台包括Linux，Windows，IOS和Android等等。

第二点，高效（Efficient）指的是MXNet对于资源利用的效率。而资源利用效率中很重要的一点是内存，因为在实际的运算当中，内存通常是一个非常重要的瓶颈，尤其对于GPU,嵌入式设备而言，内存显得更为宝贵。神经网络通常需要大量的临时空间，例如每层的输入，输出变量，每个变量需要独立的内存空间，这回带来高额度的内存开销。如何优化内存开销，对于深度学习框架而言是非常重要的事情。MXNet在这方面做了特别的优化，有数据表明，在运行多达1000层的深层神经网络任务时，MXNet只需要消耗4GB的内存。阿里也与Caffe做过类似的比较之后也验证了这项特点。

第三点，扩展性（Scalable）在深度学习当中一个非常重要的性能指标。更高效的扩展可以让训练新模型的速度得到显著提高，或者在相同的时间内，大幅度提高模型复杂性。扩展性指两方面，首先是单机扩展性，另一个是多机扩展性。MXNet在单机扩展性和多机扩展性方面都有非常优秀的表现。所以扩展性（Scalable）是MXNet最大的一项优势，也是最突出的特点。

原文链接