AWS Deep Learning AMI 可以为数据科学家、机器学习专业人员和研究科学家提供基础设施和各种工具，从而加快在云中进行任意规模的深度学习工作的速度。您可以在 Amazon Linux 或 Ubuntu 上快速启动预装了各种常见深度学习框架的 Amazon EC2 实例，以便训练复杂的自定义 AI 模型、试验新算法或者学习新技能和技术。借助 Deep Learning AMI，您可以创建托管的自动扩展 GPU 群集来进行大规模训练，也可以使用 Apache MXNet、TensorFlow、Microsoft Cognitive Toolkit (CNTK)、Caffe、Caffe2、Theano、Torch 和 Keras，在采用计算优化型或通用 CPU 实例并受过训练的模型上运行推理。
快速开始
为了让您在云中快速开始使用深度学习 Amazon EC2 实例，Deep Learning AMI 预置了许多常见的深度学习框架，而且每个框架都附带了方便使用的教程，为您演示正确的安装、配置和模型精确度。
轻松设置和配置
Deep Learning AMI 会安装依赖项、跟踪库的版本并验证代码兼容性。AMI 每个月都会更新，让您始终可以获得最新版本的引擎和数据科学库。
按使用量付费
无论需要的是 Amazon EC2 GPU 实例还是 CPU 实例，您都无需为 Deep Learning AMI 支付额外的费用。您只需按小时为存储和运行应用程序所需的 AWS 资源支付费用。
深度学习通常在技术上具有挑战性，要求您了解模型本身的数学原理，并在扩展跨大型分布式系统的训练和推理方面具有经验。因此出现了一些深度学习框架，让您能够定义模型并对其进行大规模训练。针对 Amazon Linux 和 Ubuntu，AWS Deep Learning AMI 预配置了 Apache MXNet、TensorFlow、Microsoft Cognitive Toolkit (CNTK)、Caffe、Caffe2、Theano、Torch 和 Keras，让您可以快速地大规模部署和运行这些框架。
深度学习框架使用神经网络，其中涉及增加大量矩阵的过程。为了加快模型训练和深度学习研发的速度，AWS Deep Learning AMI 安装了常用的 Python 软件包和 Anaconda 平台，并通过预配置的 CUDA 和 cuDNN 驱动程序以及 Intel 数学核心函数库 (MKL) 来提供 GPU 加速功能。
在 Amazon EC2 P2 实例上运行的 AWS Deep Learning AMI 为所有受支持的深度学习框架预装了 NVIDIA CUDA 和 cuDNN 驱动程序，可以大大缩短完成计算的时间。
在针对 Amazon EC2 实例使用基于 Intel 的处理器时，Deep Learning AMI 集成了 Intel 数学核心函数库 (MKL)，可以加快数学处理和神经网络例程的速度。
AWS Deep Learning AMI 安装了采用 Python 2.7 和 Python 3.4 内核的 Jupyter (之前称为 iPython) Notebook 应用程序，还附带常用的 Python 软件包，包括适用于 Python 的 AWS 软件开发工具包。
为了简化软件包的管理和部署，AWS Deep Learning AMI 安装了 Anaconda2 和 Anaconda3 数据科学平台，可以进行大规模数据处理、预测分析和科学计算。
