亚马逊AWS官方博客

Localization Team

Author: Localization Team

M5 – 最新一代的通用型 EC2 实例

我总是建议新的 EC2 用户从我们的通用型实例入手,运行一些压力测试,并对他们的应用程序的计算、内存和联网情况有一个非常详细的真实感受,然后再尝试其他实例类型。借助针对计算、内存和存储进行优化的各种实例,我们的客户可以有多种选择,并且可以灵活地选择最适合他们需求的实例类型。 正如您可以从我的 EC2 实例历史帖子中看到的,通用型 (M) 实例的历史可以追溯到 2006 年,那年我们推出了 m1.small 实例。我们沿着这个系列分支不断地发展,推出了 M2 (2009 年)、M3 (2012 年) 和 M4 (2015 年) 实例。我们的客户使用通用型实例来运行 Web 和应用程序服务器,托管企业应用程序,支持在线游戏以及构建缓存机群。 新的 M5 实例 今天我们推出了新的 M5 实例,又向前迈出了一大步。这些实例得益于我们对持续创新的坚定承诺,可提供比以前实例更高的性价比。M5 实例采用自定义的 Intel® Xeon® Platinum 8175M 系列处理器,运行频率为 2.5 GHz;这些实例设计用于高要求的工作负载,相比基于每内核的 M4 实例,性价比可提高 14%。对于使用 AVX-512 指令的应用程序,启动速度将是每内核 FLOPS 的两倍。我们还为高端实例增加了一个新的大小,让您有更多的选择。 下面列出了 M5 实例 (所有实例均仅限 VPC、仅限 HVM 以及 EBS 优化): 实例名称 […]

Read More

能够直接访问硬件的 Amazon EC2 裸机实例

当客户向我们提出有关 AWS 的新的独特要求时,我们会仔细聆听,询问许多问题,并尽力理解和满足他们的需求。当我们这样做时,我们会公开发布此类服务或功能;我们不会为单个客户构建一次性或“用过即弃”的服务或功能。因为这种模式很混乱,难以扩展,不符合我们的工作方式。 相反,每个 AWS 客户都可以访问我们构建的任何内容,而且每个人都可以从中受益。VMware Cloud on AWS 就是此战略实际运用的一个很好的例子。他们告诉我们,他们希望直接在硬件上运行虚拟化堆栈,在 AWS 云中为客户提供 AWS 带来的弹性、安全性和可靠性 (以及种类繁多的服务)。 我们知道其他客户对于裸机硬件也有一些有趣的使用案例,并且不希望嵌套虚拟化的性能受到影响。对于利用性能计数器和 Intel® VT 等低级别硬件特性 (这些特性在虚拟化环境中并非始终可用或完全受支持) 的应用程序,以及旨在直接在硬件上运行或者获得许可并支持在非虚拟化环境中使用的应用程序,他们希望能够访问物理资源。 多年来,我们一直在开展将网络、存储和其他 EC2 功能从我们的虚拟化平台转移到专用硬件的工作,并为可能的解决方案奠定了坚实的基础。正如我在现已推出 – Amazon EC2 的计算密集型 C5 实例中描述的那样,这项工作包括一组专用硬件加速器。 现在我们已经为 VMware 提供了他们要求的裸机访问,并且正在面向所有 AWS 客户推出此功能。我非常期待看到您利用它们来实现相关目标! 新的裸机实例 今天,我们开始公开预览 i3.metal 实例,这是 EC2 实例系列中的第一个实例,提供了两全其美的功能,允许操作系统直接在底层硬件上运行,同时仍然提供云的所有优势。该实例让您能够直接访问处理器和其他硬件,并具有以下规格: 处理 – 以 2.3 GHz 速度运行的两个 Intel Xeon E5-2686 v4 处理器,总共 36 个超线程内核 (72 […]

Read More

演示 Amazon Sumerian:创建 VR、AR 和 3D 体验的简单方法

如果您有机会阅读我撰写的博客文章或参加我在各种会议中举办的研讨会,您或许知道我肯定是个女极客。云、人工智能、物联网和创客空间以及虚拟现实和增强现实等技术领域的所有最新进展把我深深迷住了。在我看来,这是成为极客的绝佳时机。我们在努力通过算法和离散数学课程时梦想构建的所有内容,或者我们在观看《星球大战》和《星际迷航》时为之震惊的技术,现在都已变为现实。因此,我希望这意味着借助超光速推进器进入太空的其他星系只是时间问题,但在那之前,我至少能够制作 3D 虚拟现实和增强现实角色和图像,就像我最喜欢的节目里的那些角色和图像。 Amazon Sumerian 提供了相关工具和资源,可让任何人轻松创建和运行增强现实 (AR)、虚拟现实 (VR) 和 3D 应用程序。借助 Sumerian,您可以打造可在 Oculus、HTC Vive 和 iOS 设备 (使用 WebVR 兼容浏览器,并且即将支持 Android 设备上的 ARCore) 等硬件上运行的多平台体验。 此激动人心的新服务目前推出了预览版,提供的功能可让您从浏览器中设计高度沉静式和交互式 3D 体验。其中部分功能包括: 编辑器:一种基于 Web 的编辑器,用于通过跨平台发布构建 3D 场景,导入资产,制作交互和特殊效果脚本。 对象库:一个包含预构建对象和模板的库。 资产导入:上传在场景中使用的 3D 资产。Sumerian 支持导入 FBX、OBJ,并且即将支持 Unity 项目。 脚本库:通过其 3D 引擎为高级脚本编写功能提供 JavaScript 脚本库。 主机:逼真的 3D 动画角色,可针对性别、语音和语言进行自定义。 AWS 服务集成:支持与 Amazon Polly 和 Amazon Lex […]

Read More

Amazon Rekognition 推出实时面部识别、图像文本识别功能支持以及改进的面部检测功能

Amazon Rekognition 今天推出了三项新功能:用于检测和识别图像中的文本的功能、用于从数千万个面部中实时识别面部的功能以及用于从一堆照片中检测出最多 100 个面部的功能。在大多数情况下,客户通过使用 Amazon Rekognition 进行面部验证和识别可将准确度提高最多 10%。 图像文本识别 使用 Amazon Rekognition 检测图像中的对象和面部的客户一直要求我们提供用于识别图像中嵌入的文本的功能。此文本的示例包括路标、交通摄像头捕获到的牌照、新闻、电视屏幕上的字幕以及手机捕获的家庭照片上覆盖的程式化引述。从今天开始,您可以使用 Rekognition 图像文本识别功能来识别和提取图像中的文本内容。图像文本识别功能专用于处理真实图像,而不是文档图像。它支持大多数拉丁文脚本中的文本以及各种布局、字体和样式中嵌入的数字。它还支持识别不同方向的背景对象 (如横幅和海报) 上覆盖的文本。 “作为一个视觉驱动型平台,Pinterest 在很大程度上依赖于图像的速度和质量,但这些图像背后的文本同样重要,因为它提供了上下文,并使我们 2 亿个以上的活跃用户能够操作书签。利用 Amazon Rekognition 的图像文本识别功能,我们可以更好地针对存储在 Amazon S3 中的数百万个“书签”,大规模地提取图像中捕获的丰富文本信息,并且延迟很低。我们期待继续与 AWS 合作,为书签用户提供优质而快速的体验并拓展我们的 Pinterest 业务。”– Vanja Josifovski,Pinterest 首席技术官 “专业摄影师经常使用 SmugMug 分享和售卖包含文字的照片,例如马拉松比赛号码布上的数字。借助 Amazon Rekognition 的图像文本识别功能,我们能够大规模地提取号码布上的数字,并向活动摄影师提供更多功能,使他们能够快速轻松地分享和售卖这些活动的照片。”– Don MacAskill,SmugMug 联合创始人、首席执行官兼首席技客 实时面部识别 您现在可对包含数千万个面部的集合执行实时面部搜索。这可将搜索延迟缩短 1/10 到 1/5,同时可对存储的面部数量比以前多 10 到 20 倍的集合执行搜索。对于安全和公共安全应用,此更新可帮助在包含数百万个面部的集合中实时识别出相关人员,从而支持需要立即响应的使用案例。 华盛顿县警察局是俄勒冈州市民拨打 911 电话时的首要响应方。该警察局还为全县其他城市警察部门提供预防犯罪的支持。在过去的一年里,该警察局一直在使用 […]

Read More

宣布设立 AWS 机器学习科研奖

我们非常激动地宣布设立 AWS 机器学习科研奖,这项全新的计划将资助那些在机器学习 (ML) 领域进行新奇科研的大学院系、院系教师、博士生和博士后研究员。我们将与卡内基梅隆大学、加州理工学院 (Caltech)、哈佛大学医学院、华盛顿大学以及加州大学伯克利分校就此计划开展合作。 AWS 云的规模和性能,再加上 Apache MXNet、Tensorflow、Caffe2、Microsoft Cognitive Toolkit (CNTK) 以及 Pytorch 等功能强大的架构,为推动机器学习领域的科研向前发展提供了前所未有的机遇。此计划的目标是,帮助科研人员加快各种机器学习应用程序和重点领域中创新算法的开发、成果发布和源代码开发。获奖者除了可以获得资助,还能获得计算资源、培训,以及来自 Amazon 科学家和工程师的指导,还有机会参加在西雅图的 AWS 总部举办的科研研讨会。 AWS 机器学习科研奖励计划特色 参与此计划的科研人员会从以下几个方面受益: 资助 – 奖金在院系和项目级别分配,以一次性不受限制的赠与形式提供给科研机构。 AWS 积分 – 奖励包括 AWS 积分,可用于兑换任何服务,包括 EC2 P3 实例类型以及 Deep Learning AMI。 培训 – 我们向大学院系提供培训资源,包括如何在 AWS 上运行机器学习的教程,以及由 Amazon 科学家和工程师提供指导的实践讲座。 科研研讨会 – 获奖者将受邀参加西雅图的 AWS 总部举办的科研研讨会,与 Amazon 科学家讨论工作及互动。 功能强大的 ML 工具 […]

Read More

使用 Amazon Polly 针对 AWS 账户安全事件进行电话呼叫报警

AWS 账户的安全性是重中之重。随时了解您 AWS 账户中与安全相关的所有最新事件非常重要。您可以通过多种方式接收警报,例如通过电子邮件或短信,不过在本博客帖子中,我将向您演示如何使用 Amazon AI 服务 (例如 Amazon Polly) 以及任何基于云的通信平台 (例如 Twilio),在手机上接听语音警报。 Amazon Polly 是一项将文本转换为逼真语音的服务,让您可以构建支持聊天功能的应用程序,从而打造全新类别的具有语音功能的产品。它使用深度学习技术来合成类似于人声的语音。该服务提供了不同语言的各种语音。 对于外出的企业 IT 安全人员,有关 AWS 账户安全事件的电话呼叫警报可以带来极大的帮助。这些安全事件可以根据事件的严重性和优先级进行自定义。严重性和优先级较高的安全事件可以发送到通过电话呼叫报警的系统中。 对于电话呼叫报警,我会使用 Twilio,它提供了 API 功能,例如语音、视频和消息传送。当给定 AWS 账户中发生安全事件时,使用 Twilio 的平台能够以编程方式发布 API 调用,用于进行电话呼叫。Amazon Polly 将此文本警报转换为在电话呼叫上播放的语音消息。 解决方案概述 该解决方案包括两个系统,如以下架构图所示: 事件检测和通知系统 文本到语音转换系统 事件检测和通知系统与文本到语音转换系统彼此分离,这是因为后一个系统对用户定义的任何其他事件检测通用。在此博客帖子中,作为解决方案示例,我重点介绍文本到语音转换系统,并使用来自我之前博客帖子中介绍的事件检测和通知系统。

Read More

Amazon ML 解决方案实验室简介

我们非常激动地宣布推出 Amazon ML 解决方案实验室,这是一项新计划,可将 Amazon 的机器学习专家与 AWS 客户联系在一起,帮助识别客户业务中机器学习的创新用途,并引导客户开发支持机器学习的新型功能、产品和流程。 Amazon 在机器学习方面的投入超过 20 年,在配送和物流、个性化和建议、预测、防欺诈以及供应链优化等领域均有创新。Amazon ML 解决方案实验室可让您与专家沟通联系,他们构建了许多以 Amazon Machine Learning 为强大后盾的产品和服务。Amazon ML 解决方案实验室合作旨在让您完成实施机器学习的整个过程;我们会举办各种教学研讨会和新手训练营、提供咨询专业服务并且在实践操作中帮助您使用自己的数据构建自定义模型。 在 Amazon ML 解决方案实验室的帮助下实施机器学习 Amazon ML 解决方案实验室在以下三个方面提供协助: 头脑风暴和目标公式化 – Amazon 的机器学习专家将与您合作,同时从您的潜在机会中反思,帮助您确定机器学习在哪些方面可发挥作用,解决您所面临的各种挑战,并指明一条清晰明确的途径帮助您取得成功。 自定义建模 – Amazon 的机器学习科学家将使用您自己的数据来构建可部署到生产环境中的自定义模型。这些科学家在解决诸如配送和物流、个性化和建议、防欺诈、异常检测、交易风险管理、安全性、预测、容量规划、文本和移动分析以及供应链优化等领域都有着丰富的经验。 培训 – Amazon ML 解决方案实验室不仅可以帮助您快速从概念转向原型,还可以通过这个过程向您传授知识和经验,让您接受专业培训。这样,您的开发人员能够在整个组织内传授知识、讲解新的经验体会并传播对机器学习的热情,建立良好的机器学习实践和打造一流的卓越中心。 各种各样的合作模式 Amazon ML 解决方案实验室将与您一起,根据您的需求定制合作模式,包括邀请您使用西雅图 AWS 总部的专用设施,或者将机器学习模型开发人员派驻到现场与您一起工作。另外,根据解决方案的性质,合作时间长度可以从几周到几个月不等。如果您已经准备好用于机器学习的数据,AWS 建议您参加 Amazon ML Solutions Lab Express 计划。这是一个为期四周的计划,时间安排比较密集,从在 Amazon 举办的为期一周的新手训练营开始,之后是三周与 […]

Read More

《制作无人驾驶车辆》第 4 部分:通过 Apache MXNet,为您的自动驾驶车辆应用行为克隆技术

在我们无人驾驶车辆系列的第一篇博客文章中,您制作了一辆 Donkey 车并将导航服务器部署到了 Amazon EC2 实例上。在第二篇博客文章中,您学习了如何驾驶 Donkey 车辆,Donkey 车辆也学习了如何自行驾驶。在第三篇博客文章中,您学习了如何通过 AWS IoT 将 Donkey 车辆的遥测数据流式传输到 AWS 的过程。 在这篇博文中,我们将深入探讨实现车辆自行驾驶的深度学习框架,并介绍采用卷积神经网络 (CNN) 的行为克隆概念。CNN 是一项面向计算机视觉任务的先进建模技术,可帮助解答车辆可能会遇到的问题,例如,“我前面是轨道还是圆锥形路标?” 1) 在 AWS 上制造一辆无人驾驶车辆,并参加 re:Invent 机器人车拉力赛 2) 《制作无人驾驶车辆》第 2 部分:驾驶您的车辆 3) 《制作无人驾驶车辆》第 3 部分:连接您的无人驾驶车辆 4) 《制作无人驾驶车辆》第 4 部分:通过 Apache MXNet,为您的自动驾驶车辆应用行为克隆技术 P2 上的 Donkey 训练数据设置 我们已在博客文章 2 中详细演练了如何运行训练。但是,让我们在这里回顾一下关键步骤和命令: 将数据从 Pi 复制到 Amazon EC2 实例: $ rsync -rva –progress -e […]

Read More

在 Amazon EMR 上运行带有多种 GPU 实例类型的深度学习框架

今天,AWS 很高兴地宣布 Amazon EMR 将支持 Apache MXNet 和新一代 GPU 实例类型,让您可以在进行机器学习工作流程和大数据处理的同时运行分布式深度神经网络。此外,您还可以在采用 GPU 硬件的 EMR 群集上安装并运行自定义深度学习库。通过使用深度学习框架,您可以使用新工具包来处理多种使用案例,包括无人驾驶车辆、人工智能、个性化医疗和计算机视觉。 Amazon EMR 提供一个 Hadoop 托管框架,可以让您轻松、快速且经济高效地使用 Apache Spark、Apache Hive、Presto、Apache HBase 和 Apache Flink 等框架处理 Amazon S3 中的大量数据。您可以低成本安全、高效地处理大量大数据使用案例,包括日志分析、Web 索引、数据转换 (ETL)、财务分析、科学模拟、实时处理和生物信息。 多年来,EMR 一直致力于帮助您运行可扩展的机器学习工作负载。2013 年,我们增加了对 Apache Mahout 的支持,以帮助您使用 Apache Hadoop MapReduce 来运行分布式机器学习工作负载。2014 年,客户开始利用 Apache Spark (我们在 2015 年增加了官方支持),以便利用 Spark ML 中提供的各种开源机器学习库来轻松构建可扩展的机器学习管道。 在过去 2 年内,我们还增加了对 Apache […]

Read More

re:Invent 大会期间的 AWS 云幕后故事

当您漫步在 AWS re:Invent 大会现场时,不妨花点时间来思考一下,对于需要整合在一起的所有要素,您有哪些期望… 从会议地点开始,我的同事们选择最合适的场馆,精心设计各种研讨会,挑选发言嘉宾,制定日程表,选择色彩方案,准备电子或印刷的所有指示牌等等,我们所有这些努力的目标是,希望为您和成千上万的其他 AWS 客户创造一个优良的学习环境。 不过,通常情况下,您看到的只是表面的那一部分而已。在幕后,我们将人员、流程、计划和系统有机地组织起来,将所有这些基础设施安排到位,让各个部分都运作得如此顺利,以至于您通常不会注意到这些细节。 今天我想说的是,re:Invent 大会基础设施的关键部分实际上位于地下。除了为您的手机、平板电脑、相机、笔记本电脑和其他设备提供一流的 Wi-Fi 连接之外,我们还需要确保在从现场直播主题演讲到 WorkSpaces 支持的动手实验室等各项活动中,彼此之间的连接以及互联网连接正常工作。要确保在沿着拉斯维加斯大道上各个酒店中举办的各项活动正常开展,可靠、低延迟的连接至关重要! 感谢 CenturyLink/Level3 的大力支持 多年以来,我们一直在与 Level3 的优秀员工合作,共同实现这一目标。他们最近成为了 CenturyLink 的一份子;CenturyLink 现在是 re:Invent 大会的官方网络赞助商,负责提供将各个 re:Invent 会场连接在一起的光纤网络和线路等服务。 为了让大会顺利举办,他们在大道下面埋设了两英里的暗光纤,路由到两个独立的 AWS 区域中的多个可用区。金沙博览中心配备了 10 Gb 冗余连接,其他场馆 (Aria、MGM、Mirage 和 Wynn) 分别预配置了 2 到 10 Gb 连接,这意味着大道半数以上的区域都支持 Direct Connect。根据某处设施 IT 经理的说法,这可能是拉斯维加斯有史以来配置的最大临时混合网络。 在 Wi-Fi 方面,showNets 接通到同一个网络;您的设备可以直接与 Direct Connect 接入点通信 (这太酷了!)。 下图概要说明了这些功能如何结合在一起: […]

Read More