Gluon为AI开发人员带来了自调整机器学习由于要从中获得良好结果需要进行所有微调和解决方法，因此很难应对。由微软和亚马逊AWS共同开发的Gluon确实减少了繁重的工作。Gluon与ApacheMXNet和Microsoft的CognitiveToolkit框架协同工作，为这些系统优化深??度学习网络训练。Gluon的工作原理神经网络与深度学习系统中使用的神经网络一样，大致分为三个阶段：开发人员对网络进行硬编码。开发人员通过更改设置来调整数据的权重和处理以产生有用的结果。完整的网络用于服务预测。第1步和第2步的问题在于它们冗长乏味。对网络进行硬编码很慢，更改编码以改善网络行为也很慢。同样，计算网络中使用的最佳权重是一项成熟的自动化任务。Gluon提供了一种编写神经网络的方法，其定义更像是数据集而不是代码。开发人员可以使用常见模式以声明方式实例化网络，例如神经网络层链。Gluon代码易于编写、易于理解，并且利用了所用语言的原生特性（例如，Python的上下文管理器）。Gluon在这些方面帮助开发人员Gluon最基本的方法是让开发人员更容易定义和修改网络。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。但网络也可以描述为一种数据结构，因此它可以动态变化以适应训练期间的变化。用Gluon编写的代码可以利用MXNet和CognitiveToolkit中的GPU加速和分布式处理功能，因此训练作业可以分布在多个节点上。Gluon的创建者说，它可以在不影响性能的情况下做到这一点。那些地方可以使用GluonGluon今天与MXNet一起工作。例如，Python0.11及更高版本的MXNet前端具有Gluon库支持。Gluon还可以透明地使用MXNet的gpu加速版本和IntelMath内核库扩展来加速cpu绑定处理。微软尚未发布支持Gluon的MicrosoftCognitiveToolkit版本。它承诺在未来版本的工具包中支持Gluon。译者观点：1胶子，物理学中理论上假定的无质量粒子；2谷歌、微软、亚马逊、百度等都是大公司的开源深度学习框架，竞相占据话语权。原文链接：https://www.infoworld.com/article/3232100/machine-learning/gluon-brings-ai-developers-self-tuning-machine-learning.html
