AWS Deep Learning-AMIs
Vorkonfigurierte Umgebungen zum schnellen Entwickeln von DL-Anwendungen
Mit den AWS Deep Learning AMIs erhalten ML-Nutzer und Wissenschaftler die Infrastruktur und Tools, um Deep-Learning-Arbeiten beliebiger Größenordnungen in der Cloud zu beschleunigen. Sie können schnell Amazon EC2-Instances mit vorinstallierten, gängigen DL-Frameworks wie Apache MXNet, Gluon, TensorFlow, Microsoft Cognitive Toolkit, Caffe, Caffe2, Theano, Torch, Pytorch und Keras starten, um komplexe, individuelle KI-Modelle zu trainieren, mit neuen Algorithmen zu experimentieren oder neue Fähigkeiten und Techniken zu lernen.
Egal, ob Sie Amazon EC2-GPU- oder CPU-Instances benötigen, Sie müssen nichts zusätzlich für die Deep Learning AMIs bezahlen. Sie zahlen lediglich für die AWS-Ressourcen, die zum Speichern und Ausführen der Anwendungen erforderlich sind.
Auwählen einer AWS Deep Learning AMI
Selbst für erfahrene ML-Anwender kann der Einstieg in Deep Learning zeitaufwändig aunf schwierig sein. Die drei Arten von AMIs, die wir anbieten, erfüllen die vielschichtigen Anforderungen der Entwickler. Sehen Sie sich auch den AMI-Auswahlleitfaden und weitere Deep-Learning-Ressourcen an, um in die Materie einzutauchen.
Conda-AMI
Entwicklern, die vorinstallierte Pip-Pakete mit DL-Frameworks in separaten virtuellen Umgebungen wollen, steht die auf Conda basierende DL-AMI sowohl für Ubuntu als auch für Amazon Linux zur Verfügung.
Erfahren Sie mehr über die Vorteile der Conda-AMI und steigen Sie mit diesem Schritt-für-Schritt-Leitfaden in die Materie ein.
Base-AMI
Entwicklern, die komplett neue private DL-Engine-Repositorys oder individuelle DL-Engine-Builds erstellen wollen, steht die DL-Base-AMI sowohl für Ubuntu als auch für Amazon Linux zur Verfügung.
Erfahren Sie mehr über die Vorteile der Base-AMI und steigen Sie mit diesem Schritt-für-Schritt-Leitfaden in die Materie ein.
AMI mit Quellcode
Entwicklern, die vorinstallierte DL-Frameworks und ihren Quellcode in einer geteilten Python-Umgebung nutzen wollen, steht diese DL-AMI für P3-Instances in CUDA 9 Ubuntu und Amazon Linux und für P2-Instances in CUDA 8 Ubuntu und Amazon Linux zur Verfügung.
Dieser Schritt-für-Schritt-Leitfaden begleitet Sie bei Ihren ersten Schritten.
Unterstützung für Deep-Learning-Frameworks
Die AWS Deep Learning AMIs unterstützen alle gängigen DL-Frameworks und erlauben Ihnen die Definition von Modellen und das groß angelegte Training dieser. Die für Amazon Linux und Ubuntu konzipierten AMIs sind mit folgenden Anwendungen vorkonfiguriert: Apache MXNet und Gluon, TensorFlow, Microsoft Cognitive Toolkit, Caffe, Caffe2, Theano, Torch, PyTorch und Keras. Diese Frameworks können bei Bedarf schnell bereitgestellt und ausgeführt werden.
Beschleunigung Ihres Modelltrainings
Um Ihre Entwicklungs- und Modelltrainingsbemühungen voranzutreiben, bieten die AWS Deep Learning AMIs GPU-Beschleunigung durch vorkonfigurierte CUDA- und cuDNN-Treiber sowie die Intel MKL (Intel Math Kernel Library). Darüber hinaus werden gängige Python-Pakete und die Plattform Anaconda installiert.
Die AWS Deep Learning AMIs können auf Amazon EC2-P2- und -P3-Instances ausgeführt werden, die die Volta-Architektur von NVIDIA nutzen. NVIDIA CUDA und cuDNN-Treiber sind auf den AMIs vorinstalliert, um die Geschwindigkeit der Berechnungen drastisch zu erhöhen.
Die AWS Deep Learning AMIs können auf Intel-basierten Amazon EC2-C5-Instances, die für Inferenz entwickelt wurden, ausgeführt werden. Die AMis enthalten außerdem die Intel Math Kernel Library (MKL), um mathematische Verarbeitungen und neurale Netzwerkroutinen zu beschleunigen.
In den AMIs ist bereits Folgendes installiert: Jupyter-Notebooks, die mit Python 2.7- und Python 3.5-Kernels geladen sind, sowie Ihre bevorzugten gängigen Python-Pakete, einschließlich des AWS-SDK für Python.
Um die Paketverwaltung und -bereitstellung zu vereinfachen, installieren die AWS Deep Learning AMIs die Data-Science-Plattformen Anaconda2 und Anaconda3 für die Verarbeitung großer Datenmengen, Predictive Analytics und wissenschaftliche Berechnung.
Steigen Sie in Deep Learning in AWS ein
Holen Sie sich das AWS Deep Learning-AMI
Wählen Sie die richtige AMI und den Instance-Typ für Ihr Projekt aus.
Beginnen Sie die Entwicklung mit AWS
Amazon SageMaker für maschinelles Lernen
Amazon SageMaker ist ein vollständig verwalteter Service, der es Entwicklern und Datenwissenschaftlern ermöglicht, schnell und einfach Machine Learning-Modelle jeder Größenordnung zu erstellen, zu trainieren und zu implementieren. Amazon SageMaker beseitigt alle Hindernisse, die Entwickler normalerweise beim Einsatz des maschinellen Lernens behindern.
