Les AMI AWS Deep Learning fournissent aux spécialistes en données, aux professionnels de l'apprentissage automatique et aux chercheurs l'infrastructure et les outils nécessaires pour accélérer les tâches d'apprentissage profond, dans le cloud, à n'importe quelle échelle. Vous pouvez rapidement lancer des instances Amazon EC2 sur Amazon Linux ou Ubuntu, préinstallées avec des frameworks d'apprentissage profond fréquemment utilisés, pour former des modèles d'IA sur mesure sophistiqués, expérimenter de nouveaux algorithmes ou apprendre de nouvelles compétences et techniques. Les AMI Deep Learning vous permettent de créer des clusters de GPU gérés à dimensionnement automatique pour l'apprentissage à grande échelle ou d'exécuter des opérations d'inférence sur des modèles formés à l'aide d'instances de CPU optimisées pour le calcul ou à usage général, avec Apache MXNet, TensorFlow, Microsoft Cognitive Toolkit (CNTK), Caffe, Caffe2, Theano, Torch et Keras.
Démarrez rapidement
Pour commencer à utiliser rapidement votre instance Amazon EC2 d'apprentissage profond dans le cloud, les AMI Deep Learning sont mises en service avec de nombreux frameworks d'apprentissage profond fréquemment utilisés, chacun d'eux proposant un didacticiel facile à lancer pour valider l'installation, la configuration et la précision du modèle.
Installation et configuration aisées
Les AMI Deep Learning installent des dépendances, suivent les versions d'une bibliothèque et valident la compatibilité du code. De plus, avec les mises à jour apportées aux AMI chaque mois, vous disposez toujours des dernières versions des moteurs et des bibliothèques de science de données.
Paiement en fonction de l'utilisation
Que vous ayez besoin d'instances Amazon EC2 GPU ou CPU, aucuns frais supplémentaires ne s'appliquent aux AMI Deep Learning. Vous ne payez que les ressources horaires AWS nécessaires pour stocker et exécuter vos applications.
L'apprentissage profond peut souvent se révéler difficile d'un point de vue technique. Vous devez donc comprendre les calculs mathématiques des modèles eux-mêmes et posséder de l'expérience dans la mise à l'échelle de l'apprentissage et l'inférence sur de grands systèmes distribués. En conséquence, plusieurs cadres d'apprentissage profond ont fait l'apparition et permettent de définir des modèles, puis de les former à l'échelle. Conçues pour Amazon Linux et Ubuntu, les AMI AWS Deep Learning sont préconfigurées avec Apache MXNet, TensorFlow, Microsoft Cognitive Toolkit (CNTK), Caffe, Caffe2, Theano, Torch et Keras, ce qui vous permet de déployer et d'exécuter rapidement n'importe lequel de ces frameworks à l'échelle.
Les frameworks d'apprentissage profond utilisent des réseaux neuronaux qui impliquent de multiplier un grand nombre de matrices. Pour accélérer vos activités de formation de modèles et de recherche et développement en apprentissage profond, les AMI AWS Deep Learning offrent une accélération GPU sur des pilotes CUDA et cuDNN préconfigurés, ainsi que la bibliothèque Intel Math Kernel Library (MKL), en plus de l'installation de packages Python fréquemment utilisés et de la plateforme Anaconda.
Les AMI AWS Deep Learning exécutées sur des instances P2 Amazon EC2 sont préinstallées avec les pilotes NVIDIA CUDA et cuDNN pour tous les frameworks d'apprentissage profond pris en charge, afin d'accélérer considérablement le temps d'exécution de vos calculs.
Lorsque vous utilisez des processeurs Intel pour vos instances Amazon EC2, les AMI Deep Learning sont intégrées à la bibliothèque Intel Math Kernel Library (MKL) pour accélérer les routines de traitement mathématique et de réseau neuronal.
Les AMI AWS Deep Learning sont installées avec des notebooks Jupyter (anciennement iPython) chargés avec les noyaux Python 2.7 et Python 3.4, ainsi que vos packages Python préférés, notamment le kit SDK AWS pour Python.
Pour simplifier la gestion et le déploiement des packages, les AMI AWS Deep Learning installent la plateforme de science des données Anaconda2 et Anaconda3, pour le traitement de données à grande échelle, les analyses prédictives et le calcul scientifique.
