Образы AWS Deep Learning AMI предоставляют специалистам по работе с данными, прикладным специалистам в сфере машинного обучения и научным сотрудникам инфраструктуру и инструменты для ускорения работы в области глубокого обучения в облаке при любых масштабах. Они позволяют быстро запускать инстансы Amazon EC2 на базе Amazon Linux или Ubuntu с предварительно установленными популярными платформами глубокого обучения, которые можно использовать для обучения сложных пользовательских моделей искусственного интеллекта, экспериментов с новыми алгоритмами, а также для изучения новых способов и отработки навыков. Образы Deep Learning AMI позволяют создавать управляемые, автоматически масштабируемые кластеры графических процессоров для широкомасштабного обучения или запускать логические выводы на обученных моделях с помощью инстансов с оптимизацией для вычислений или инстансов общего назначения с ЦПУ, применяя при этом Apache MXNet, TensorFlow, Microsoft Cognitive Toolkit (CNTK), Caffe, Caffe2, Theano, Torch и Keras.
Быстрое начало работы
Образы Deep Learning AMI включают многочисленные предустановленные популярные платформы глубокого обучения, каждая из которых содержит в комплекте простое в использовании учебное пособие, позволяющее продемонстрировать правильную установку, настройку и точность модели. Все это позволяет быстро начать работу с инстансами глубокого обучения Amazon EC2 в облаке.
Удобная установка и настройка
Образы Deep Learning AMI устанавливают зависимости, отслеживают версии библиотек и проверяют совместимость кода. Ежемесячные обновления образов AMI позволяют всегда пользоваться самыми последними версиями программных ядер и библиотек для обработки данных.
Платите только за то, чем пользуетесь
Независимо от того, какие инстансы выбраны для работы – инстансы Amazon EC2 с графическим процессором или с ЦПУ, – дополнительная плата за использование образов Deep Learning AMI не взимается. Вы вносите только почасовую плату за ресурсы AWS, необходимые для хранения и запуска приложений.
Глубокое обучение часто может быть технически сложной задачей, требующей понимания математического описания самих моделей, а также наличия опыта в масштабировании для выполнения обучения и получения выводов в больших распределенных системах. В результате появилось несколько платформ глубокого обучения, которые позволяют определять модели, а затем обучать их в требуемом масштабе. Образы AWS Deep Learning AMI, созданные для Amazon Linux и Ubuntu, поставляются с предварительно настроенными платформами Apache MXNet, TensorFlow, Microsoft Cognitive Toolkit (CNTK), Caffe, Caffe2, Theano, Torch и Keras, что позволяет быстро выполнить развертывание и запустить любую из этих платформ в требуемом масштабе.
Платформы глубокого обучения используют нейронные сети, в которых задействован процесс умножения большого количества матриц. Для ускорения обучения моделей, а также исследований и разработок в области глубокого обучения образы AWS Deep Learning AMI предоставляют возможность ускорения с помощью графических процессоров за счет предварительно настроенных драйверов CUDA и cuDNN, а также математическую библиотеку Intel Math Kernel Library (MKL) в дополнение к установке популярных пакетов Python и платформы Anaconda.
Образы AWS Deep Learning AMI, работающие на инстансах P2 Amazon EC2, включают предварительно установленные драйверы NVIDIA CUDA и cuDNN для всех поддерживаемых платформ глубокого обучения, что позволяет существенно ускорить вычисления.
При использовании процессоров Intel для инстансов Amazon EC2 образы Deep Learning AMI поставляются с интегрированной математической библиотекой Intel Math Kernel Library (MKL) для ускорения обработки математических выражений и подпрограмм нейронной сети.
Образы AWS Deep Learning AMI поставляются с установленными блокнотами Jupyter (которые прежде назывались iPython) на основе ядер Python 2.7 и Python 3.4, а также с различными часто используемыми пакетами Python, включая AWS SDK для Python.
Чтобы упростить управление пакетами и развертывание, образы AWS Deep Learning AMI устанавливают платформу для научных исследований Anaconda2 и Anaconda3 для обработки больших объемов данных, прогнозной аналитики и научных вычислений.
