MXNet - 高效灵活的深度学习利器
说到深度学习框架，大伙儿肯定第一时间想到 TensorFlow 和 PyTorch。不过今天咱聊聊另一个厉害角色 - MXNet 。它是亚马逊 AWS 在背后支持的开源深度学习框架，性能真的没得说！
1.
安装起来贼简单
pip install mxnet
装完导入就能用，简单得不能再简单啦：
import mxnet as mx
from mxnet import nd， autograd， gluon
2.
数据处理有一套
MXNet 里的 NDArray 就是咱们处理数据的主力军：
# 创建一个数组
x = nd.array([[1， 2， 3]， [4， 5， 6]])
# 做点运算玩玩
y = nd.ones_like(x)
z = x + y
print(z)
温馨提示：NDArray 跟 NumPy 的数组特别像，要是之前用过 NumPy，上手分分钟的事儿~
3.
搭建模型不费劲
用 Gluon 接口搭网络，那叫一个舒服：
net = gluon.nn.Sequential()
net.add(gluon.nn.Dense(256， activation='relu'))
net.add(gluon.nn.Dense(10))
看看，三行代码就搞定一个简单的神经网络，多简洁！
4.
训练模型有高招
自动求导？不在话下：
with autograd.record()：
output = net(data)
loss = gluon.loss.SoftmaxCrossEntropyLoss()
L = loss(output， label)
L.backward()
温馨提示：别忘了用 GPU 加速训练哦，MXNet 对显卡的支持贼好使！
5.
模型部署超方便
训练完的模型想部署？分分钟的事：
net.export('my_model') # 导出模型
imported_net = gluon.SymbolBlock.imports(
'my_model-symbol.json'，
['data']，
'my_model-0000.params'
) # 导入模型
说到性能，MXNet 是真的快。它支持静态图和动态图，还能自动并行化计算，在分布式训练上更是有两把刷子。
内存占用也少，跑起来贼省资源。要是你手头的设备配置不是特别高，用 MXNet 准没错。
记住几个小技巧：
数据读取用 RecordIO 格式，比普通图片快多了
算子融合自动开启，不用操心优化的事
多 GPU 训练直接用
model.multi_gpu()就完事了
要是觉得代码写得不对劲，打开调试模式看看：
import mxnet as mx
mx.set_np_shape(True)
差不多就这些，MXNet 就是这么好使，赶紧试试吧！
