1樓：
團隊管理有問題，那麼多牛人在組裡，最後做死了。最近李導劇組好像要解散了
2樓：你好我叫廊坊機械人
感覺mxnet跟tf用起來感覺差不多，要不斷的查api doc。最近改成pytorch感覺超級順滑，對我這種每天只是調參不求效能的來說簡直爽到不行。
3樓：
作為乙個知乎小透明，最近被MXNet的文件實在弄的非常頭疼，在這裡吐槽一下。
MXNet的文件給人的感覺就像什麼好像都有，什麼都不好好說的感覺。就是你很難按照MXNet的文件很順利地弄完乙個example，總是會出現各種各樣的問題，為了解決這個問題，去issues提issue或者去相關論壇提問後，這個解決問題的過程往往會較長，往往幾天的時間就過去了。
我感覺乙個工具能流行起來的乙個很重要的原因是大家能很快上手，很快地用起來，不知道MXNet使用者有多少是因為這個原因流失的。
不知道 @李沐 一下大神會不會有幫助，這個問題真心感覺很心累。
4樓：
希望有人能像keras一樣寫乙個完整的api文件。。。。我在商場搜mxnet書都沒有。。。這是個商機，可以利用。。。。完全得看原始碼，學起來太慢了，雖然是好東西，但是推廣慢。。。
5樓：寸極芒
其實還是資料太少了，網上現成的tensorflow教程一抓一大把，有啥不懂的也馬上能搜到答案。。但mxnet基本只能查詢examples和api，出了點問題就非常苦惱= =
6樓：Archer
幫客戶開發乙個介面不得不使用mxnet，受不了了必須吐槽一下。
作者可能願意是想包含各家所長做出來個好用的框架，那您到是好好寫點文件啊，本來就不多，好不容易找到了卻又一大半介面都已經過時不用了，這要怎麼開發。。。。。。。
總體看來，mxnet野心很大，但是又不願意面向開發者好好打磨一下藉口，最後就造成了超級難用的現狀，不知能否有所改善。目前能不用真的是推薦不要用，追求效能用tensorflow，雖然也麻煩但是文件全例子多，總能搞出來。要開發用caffe，結構清晰，哪怕是效能弱一點。
想要演算法用kaldi，可以把kaldi得到的結果接到其他框架裡。直接用看似這三者組合的mxnet，會瘋。。。。。。
7樓：
就說說我用MXNET的感受：教學文件不夠系統、全面和詳細，行文有錯別字，教學文件裡至少發現四五個以上鏈結失效問題。也找不到官方的無root許可權安裝MXNET的方法，這樣在有些伺服器上沒法用。
我是先用的Theano和Keras，想試試MXNET，看了主頁介紹感覺棒棒噠，用了以後有點失望。希望這些問題能盡快解決，穩定性、可靠性、易用性也很重要啊。
用Theano和Keras的感受：教學文件系統、全面、詳細，沒有錯別字，沒有鏈結失效問題。並且按照Theano的教程過一遍，相當於對深度學習入門了。
而用Keras實現各個模型就像搭積木一樣直觀。
TF沒怎麼用，就不說了。
8樓：
help(mx
.symbol
)我們可以看到
sum(*args, **kwargsTake sum of the src.The result will be ndarray of shape (1,) on the same deviceParameterslhs : SymbolLeft symbolic input to the function
rhs : SymbolLeft symbolic input to the functionname : string, optionalName of the resulting symbolReturnssymbol:
SymbolThe result symbol.
查文件，我們可以看到
mxnet.symbol.sum(*args, **kwargs)
Take sum of the src in the given axis and returns a NDArray. Follows numpy semantics.
Parameterssrc (Symbol) – Left symbolic input to the functionaxis (Shape(tuple), optional, default=()) – Same as Numpy. The axes to perform the reduction.If left empty, a global reduction will be performedkeepdims (boolean, optional, default=False) – Same as Numpy.
If keepdims is set to true, the axis which is reduced is left in the result as dimension with size onename (string, optional.) – Name of the resulting symbol.
Returnssymbol – The result symbol.
Return typeSymbol
不管了，試試再說，於是你敲下mx.
symbol
.sum
(None
,axis=1
)你將會看到
Check
failed:(
kwargs
.size
())==(0
)Operator
sumdonot
accept
anykeyword
arguments
那麼我希望sum_axis怎麼辦呢？我也不知道... p.s.我用的是官網***的prebuilt
文件太亂，python沒有自動提示，也就是說，你根本不知道mx.nd.裡面有哪些方法，想知道支援哪些方法你必須跑去看api
我承認它的效能好，我也嘗試過很多次去學習它，但是我真的hold不動它了...
9樓：郭凌雁
@李沐為什麼inception v3從distbelief移植到tf老是跑不出想要的精度?
我們把caffe的model轉到mxnet上,發現精度也不一樣,為什麼?
10樓：Irwin Zuo
混現在的江湖，哪家都得有幾樣趁手的兵器。不同的應用場景／專案會選擇不同的框架，同時用幾個框架的很多。 如果是最求效能、輕量化，還是mx吧。
11樓：
缺乏亮點。
其他幾個主流 frameworks，都有各自的特點：
TF 不用說了
Caffe 算是最早流行起來的 framework，很多 vision 的模型都是基於 Caffe，不用不行
Torch 靈活度比較高，一些演算法用 Torch 寫起來方便Keras 容易上手
……MxNet 很優秀，但給我的感覺是在任何乙個維度上都有比他更好的。最大的特點似乎是中文社群很活躍，很多中中國人在用，或許 MxNet 可以以這個為特色，加強向國內推廣，而不要和 TF 等框架去競爭。
12樓：
1. 作為乙個發布晚又沒有像TF那樣自帶光環的系統，MXNet的流行度已經很出類拔萃了。
2. 比Caffe技術強大，不能算強大:) 畢竟Caffe是好幾年前的設計實現。（有興趣看看Caffe 2將會增強哪些）
3. TF裡面很多東西都沒有做，但是大家相信以Google的實力，將來解決不是難事。比如記憶體分配，Google不可能連個會做編譯器的都沒有吧。當然G可能喜歡留一手不開源。
4. MXNet開發者學生佔比很高，畢業後很大可能以後會去比如公司（比如Google、Facebook的FAIR）工作或直接創業，棄坑可能性很大。
5. MXNet開發者做系統的背景強，但感覺做數值計算的不多。
6. 現在深度學習的水平還遠沒有達到人類對人工智慧的期待，將來能抓住機會甚至引領技術跨越的話前景不可限量。
7. 達不到6中這種技術碾壓程度的話，則基本要看如何在業界合縱連橫，畢竟很多軟硬公司不希望受制於一家獨大的系統。
為什麼混沌騎士一直火不起來？
楊起軍 因為混沌騎士是個鐵憨憨。神裝開大的混沌騎士正面對擼幾乎是無敵的存在，除了虛空假面流浪劍客龍騎士美杜莎齊天大聖等少數英雄，CK正面不虛任何人，但除此之外，CK的缺點同樣明顯 1.持續穩定輸出能力差，幾乎全靠大招，但大招CD時間太長，無大招的時候輸出明顯不夠，暴擊這玩意太看人品，不穩定 2.雖然...
為什麼Lenka一直處於不慍不火的狀態？
乙隻小鴨嘰 1 旋律沒有什麼突出特點，主歌副歌區別不太明顯，一首歌聽下來就一直很平淡，沒什麼明顯特點。2 Lenka的很多歌聽起來都很像，除了最火的那幾首，其它的都差不多，缺乏新意，乍一聽讓人覺得很新鮮很清新很驚豔，聽多了就會覺得無聊。3 儘管如此我其實還是很喜歡聽她的歌 巴豆 還不火？挺火的了吧，...
為什麼劍靈這個遊戲一直不火？
叫我機智貓 我記得我第一次玩這個遊戲還是高二的時候大概是13年，當時我們班上有很多同學都在玩這個遊戲，畢竟玩的遊戲少嘛 感覺遊戲畫質什麼的很好看，但是後來因為要高考了沒時間玩遊戲了就不玩了。其實我也不太清楚為什麼不火，但是我玩的時候唯一體驗是讓我臉長痘 經常晚上熬夜玩 就醬 負商者 劍靈剛出時很火，...