如何評價MXNet發布的1.0版本？

01-13

在Github上發現了MXNet發布了1.0版本
apache/incubator-mxnet

這次主要是速度和穩定性上的改進，多卡imagenet訓練可以比pytorch快20%吧。

新功能不多，值得一提的主要是gluon的dataloader支持多個worker了，速度快不少。

歡迎試用，有什麼問題可以到我們的中文論壇上來討論：https://discuss.gluon.ai/

另外推薦李沐的動手實踐深度學習的課程：https://m.bilibili.com/space/209599371

一直非常期待，不過沒有見到傳說中的dynamic batching。

這個問題和隔壁pytorch 0.3.0發布評價對比可能還是使用pytorch的知乎用戶量更多

4年後，必然成功

早已經投奔pytorch了。。。

這個問題和隔壁pytorch 0.3.0發布評價對比可能還是使用pytorch的知乎用戶量更多心疼沐哥一分鐘

個人在想大概這個API都要固定下來了吧 0.12到1.0.0的改動感覺並不是特別大

說了一堆廢話最後強推gluon

長期看來，也沒有什麼大的更新，很平穩的升級。我列舉幾點有意義的：

多了一個CaffeTranslator，可以把caffe的prototxt轉換成mxnet的python代碼，但是是java實現的。。
Gluon也逐漸成熟了，特別是教程很給力，深度學習每方面的應用該有的都有了。如果不是研究很複雜很變態的網路結構，直接從教程中copy代碼然後改改就能滿足絕大多數需求了；
多了Sparse運算元，NLP什麼的估計會受益；
可直接兼容樹莓派，tx1什麼的

幾點建議：

圖像處理仍是深度學習的最主要熱點，從最近一段時間的學術創新上來看，Caffe仍然是圖像處理方面的王者，許多有價值有創新的代碼仍誕生於Caffe。MXNet應該是所有現代深度學習框架之中，對Caffe遷移性和兼容性最好的，所以繼續保持和擴大這種優勢是十分必要的
可視化方面必須加強，Tensorboard兼容性有待提高，或者集中力量開發自有可視化前端，這也是必要的
Windows上GPU性能差一些，而Caffe在這方面表現的比較好，這個有待提高

mxnet能不能做個conda的binary版。。。在老操作系統上glib升不了級。。。好煩。。。有什麼解決辦法嘛，pytorch有個conda的binary版毫無壓力

看了看更新日誌，突出一個快字