AWS Deep Learning AMI 可以为机器学习专业人员和研究人员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的速度。您可以快速启动预先安装了常见深度学习框架 (比如 Apache MXNet 和 Gluon、TensorFlow、Microsoft Cognitive Toolkit、Caffe、Caffe2、Theano、Torch、Pytorch 和 Keras) 的 Amazon EC2 实例来训练复杂的自定义 AI 模型、实验新算法或学习新的技能和技巧。
无论您需要 Amazon EC2 GPU 还是 CPU 实例，都无需为 Deep Learning AMI 支付额外费用，您只需为存储和运行应用程序所需的 AWS 资源付费即可。
Conda AMI
对于希望在独立虚拟环境中预先安装深度学习框架 pip 软件包的开发人员，Ubuntu 和 Amazon Linux 版本中提供基于 Conda 的 Deep Learning AMI。
Base AMI
对于想要从头开始设置私人深度学习引擎存储库或自定义构建深度学习引擎的开发人员，Ubuntu 和 Amazon Linux 版本中提供 Deep Learning Base AMI。
使用源代码的 AMI
对于想要在共享 Python 环境中预先安装深度学习框架及其源代码的开发人员，此 Deep Learning AMI 适用于 CUDA 9 Ubuntu 和 Amazon Linux 版本中的 P3 实例以及 CUDA 8 Ubuntu 和 Amazon Linux 版本中的 P2 实例。
开始使用此分步指南。
支持深度学习框架
AWS Deep Learning AMI 支持所有允许您定义模型并大规模对其进行训练的常见深度学习框架。AMI 专为 Amazon Linux 和 Ubuntu 构建，预配置了 Apache MXNet 和 Gluon、TensorFlow、Microsoft Cognitive Toolkit、Caffe、Caffe2、Theano、Torch、PyTorch 和 Keras，让您可以快速地大规模部署和运行这些框架。
加快模型训练的速度
为了加快开发和模型训练的速度，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) 来提供最新的 NVIDIA GPU 加速功能。
AWS Deep Learning AMI 可在 Amazon EC2 P2 实例以及利用 NVIDIA 的 Volta 架构的 P3 实例上运行。AMI 预安装了 NVIDIA CUDA 和 cuDNN 驱动程序，大大缩短了完成计算所需的时间。
AWS Deep Learning AMI 可在专为推理设计的 Amazon EC2 基于 Intel 的 C5 实例上运行。AMI 还与 Intel 数学核心函数库 (MKL) 进行了集成，以加快数学处理和神经网络日常活动的速度。
AMI 安装了采用 Python 2.7 和 Python 3.5 内核的 Jupyter 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。
开始使用 AWS 上的深度学习
用于机器学习的 Amazon SageMaker
Amazon SageMaker 是一项完全托管的服务，使开发人员和数据科学家能够快速轻松地以任何规模构建、训练和部署机器学习模型。Amazon SageMaker 消除了通常会阻碍开发人员使用机器学习的所有障碍。
