摘要：微软和亚马逊的联合努力使神经网络更容易与MXNet和微软的认知工具包框架程序和使用
深度学习系统长期以来一直很难处理，因为所有的微调和解决方法都需要从他们那里获得良好的结果。Gluon是微软和亚马逊AWS共同开发，它确实减少了艰难的工作。
Gluon与ApacheMXNet和微软的认知工具包框架合作，以优化这些系统的深度学习网络培训。
Gluon如何工作
神经网络，就像在深度学习系统中使用的那样，大致有三个阶段:
-
开发人员硬编码网络。
-
开发人员通过更改设置以产生有用的结果来调整数据的加权和处理。
-
完成的网络用于服务预测。
第1步和第2步的问题是，它们是冗长而呆板的。硬编码网络是缓慢的，改变编码以改善网络的行为也很慢。同样，计算网络中使用的***权重也是自动化的一个成熟的任务。
Gluon提供了一种编写神经网络的方法，这些神经网络的定义更像是数据集而不是代码。开发人员可以使用常见的模式，如神经网络层的链，以声明的方式实例化网络。Gluon代码易于编写，易于理解，它利用了使用的语言的本地特性(例如，Python的上下文管理器)。
Gluon在那些方面帮助开发者
Gluon最基本的方法就是让开发者更容易地定义一个网络并修改它。
在Gluon中，一个神经网络可以用传统的方式来描述，它的代码块不会改变。但是网络也可以被描述为一个数据结构，所以它可以在运行中改变，以适应训练期间的变化。
在Gluon中编写的代码可以利用MXNet和认知工具包中的gpu加速和分布式处理特性，因此可以跨多个节点分布培训作业。它的创建者说，Gluon可以在没有任何性能妥协的情况下实现这一点。
那些地方可以使用Gluon
Gluon今天和MXNet一起工作。例如，Python0.11和后来的MXNet前端都有Gluon库支持。Gluon还可以透明地使用MXNet的gpu-加速版和IntelMath内核库扩展来加速cpu绑定的处理。
微软还没有发布一个版本的Microsoft认知工具包，上面有Gluon支持。它承诺在未来版本的工具包中提供Gluon支持。
译者观点：
1 gluon胶子，物理学上一种理论上假设的无质量的粒子；
2谷歌、微软、亚马逊、百度等都在大公司开源深度学习框架，竞争占据话语权。
原文链接:
https://www.infoworld.com/article/3232100/machine-learning/gluon-brings-ai-developers-self-tuning-machine-learning.html
