发布于: Aug 27, 2018
适用于 Ubuntu 和 Amazon Linux 的 AWS Deep Learning AMI 现在提供以下深度学习框架和界面的更新版本：针对 AWS 进行了优化的 TensorFlow 1.10（用于实现更高性能）、带 OpenMPI 3.1.0 的 Horovod 0.13.11（针对在 Amazon EC2 P3 实例上进行分布式多 GPU TensorFlow 训练进行了优化）、带 CUDA 9.2 的 PyTorch（针对在 Amazon EC2 P3 实例上进行模型训练进行了优化）、Chainer 4.3.1 以及 Keras 2.2.2。
借助经过优化的 TensorFlow 1.10 加快训练速度
Deep Learning AMI 配备了 TensorFlow 1.10 的优化版本，专为加快 Amazon EC2 C5 和 P3 实例上的深度学习应用程序量身定制。当您首次激活 TensorFlow 虚拟环境时，Deep Learning AMI 会自动部署针对您选择的 EC2 实例进行了优化的 TensorFlow 版本。
对于希望将 TensorFlow 培训从单 GPU 扩展到多 GPU 的开发人员，AWS Deep Learning AMI 配备了 Horovod，后者针对使用 Amazon EC2 P3 实例的分布式培训进行了优化。请阅读此博客文章，了解有关针对 AWS 进行了优化的 TensorFlow 自定义版本的更多信息。
最新固件更新
Deep Learning AMI 现在支持最新的 PyTorch 0.4.1（预配置了 NVidia CUDA 9.2）、cuDNN 7.1.4 和 NCCL 2.2.13，以加速 Amazon EC2 P3 实例上的深度学习。此外，Chainer 现已升级到版本 4.3.1，该版本针对 Amazon EC2 实例系列的高性能进行了优化。请阅读此博客文章，详细了解 Deep Learning AMI 上的 Chainer 优化。
此外，AWS Deep Learning AMI 还支持带 Gluon 的 Apache MXNet 1.2.1、Microsoft Cognitive Toolkit (CNTK) 2.5.1、Caffe 1.0、Caffe2 0.8.1 和 Theano 1.0.1，所有这些都已预先安装好并进行了完全配置，让您在几分钟内即可开始开发深度学习模型，同时充分利用 Amazon EC2 实例的计算能力。
要快速开始使用 AWS Deep Learning AMI，请参阅开发人员指南中的入门指南和初级到高级教程。您还可以订阅我们的讨论论坛，以获取发布公告并提出您的问题。