0
雷鋒網按：本文作者解浚源，原載于知乎，雷鋒網已獲其授權。
經過3個月的開發，MXNet 0.11版發布啦！0.11是MXNet正式加入Apache以后的第一個版本，官方網站搬到了Apache的服務器（注意：要在最上方Version處選擇master才能看到包含Gluon的最新文檔）。
這次最大的改進是加入了動態圖接口Gluon。Gluon學習了Keras，Chainer，和Pytorch的優點，并加以改進。接口更簡單，且支持動態圖（Imperative）編程。相比TF，Caffe2等靜態圖（Symbolic）框架更加靈活易用。同時Gluon還繼承了MXNet速度快，省顯存，并行效率高的優點，并支持靜、動態圖混用，比Pytorch更快。
同時為了徹底解決MXNet文檔不全的弱點，我們還特地邀請了前CMU知名教授Alex Smola和即將出任CMU教授的小網紅Zachary Lipton聯手為Gluon打造文檔！
Gluon采用Keras和Numpy風格API，并且Layer可以自動判斷輸入長度。用過Chainer和Pytorch的人想必都體會過每一層都要記住前一層輸出長度的麻煩，從卷積層到全連接層過渡時長度計算更是痛苦，往往要運行一遍才知道。在Gluon里則沒有這種問題，每層只要指定輸出長度，輸入長度則可以由系統自動計算。
深度學習框架大體分為兩類：以TensorFlow，caffe2為代表的靜態圖（Symbolic）框架和以Chainer，Pytorch為代表的動態圖（Imperative）框架。靜態圖的優勢在于速度快，省內存，便于線上部署。而動態圖框架的優勢是靈活，易用，debug方便，特別是在自然語言處理和增強學習等領域，比起靜態圖框架有顯著優勢。
Gluon同時支持靈活的動態圖和高效的靜態圖，讓你在享受動態編程的靈活易用的同時最小化性能的損失。而Gluon的HybridBlock和hybridize接口讓你可以在靜態動態間一鍵切換。0.11版Gluon比0.20版Pytorch快10%以上，在未來的一兩個月我們會加入更多優化，再提高10%以上的性能。
深度學習的教材和樣例雖多，但是教材往往重理論輕實踐，而樣例重實踐卻不系統。為了填補理論和實踐之間的空白，并一舉解決MXNet文檔不全的弱項，我們特邀兩位CMU教授Alex Smola和Zachary Lipton為Gluon撰寫一部兼顧深度學習理論，動手編程，和實戰應用的文檔+教材。
Gluon教程包括深度學習理論講解和代碼實踐。前五章每個例子都包括了兩個版本。從零開始（from scratch）版本深入講解所有細節，Gluon版本則著重演示高級封裝的靈活高效。建議剛開始接觸深度學習的同學從頭開始順序閱讀，而已經有一定經驗的同學可以跳過基礎教程只看Gluon版。這套教程現在在Github上公開寫作，共計劃18章，已經完成了前五章。印刷出版和中文翻譯也在計劃中。我們保證每天更新，絕不棄坑，歡迎大家試讀，也歡迎參與創作！
Tensorflow：Gluon同時支持靜態圖和動態圖，在靈活性和速度上都有優勢。但由于Gluon剛剛面市，在成熟度和線上部署方面還有不足。總的來說在做深度學習研究的同學不妨一試。
Pytorch：Gluon與Pytorch的相似度很高，而Gluon獨特的靜、動態圖混合功能可以在不犧牲靈活性的前提下提高性能。如果你喜歡pytorch的簡單易用又在乎性能，那么強烈建議你試一試Gluon。
Apache MXNet官方網站：https://mxnet.incubator.apache.org/
0.11 新特性：https://github.com/apache/incubator-mxnet/releases
安裝指南：https://mxnet.incubator.apache.org/versions/master/get_started/install.html
Gluon教程：http://gluon.mxnet.io/
Gluon講座PPT： https://github.com/zackchase/mxnet-slides/blob/master/kdd-mxnet-slides.pdf
Gluon深度學習樣例：https://github.com/apache/incubator-mxnet/tree/master/example/gluon
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
