亚马逊AWS官方博客

Localization Team

Author: Localization Team

借助 Microsoft Excel 构建 Amazon Lex 聊天机器人

我们的香港机构 (IVE) 已开始尝试将 Amazon Lex 应用于教学、研究和医疗保健领域。我们有很多非技术员工,如 IVE 的英语教师,以及 IVE 育儿、长者及社区服务处的治疗师;他们没有技术知识,不会在 Amazon Lex 控制台中构建自然语言对话自动程序 (聊天自动程序)。我们完成了几个为非技术用户构建 Amazon Lex 聊天自动程序的试点项目。非技术用户将问题填入 Excel 电子表格,然后由开发人员将他们的问题复制到 Amazon Lex 控制台中。当用户想要更改聊天自动程序中的内容时,开发人员都必须重复同样的复制和粘贴过程。

Read More

全新 AWS Auto Scaling – 适用于云应用程序的统一扩展

随着 AWS Auto Scaling 的推出,您可以更加轻松地在一个用户界面中使用多项 AWS 服务的 Auto Scaling 功能了。这一新服务整合了针对特定服务的现有扩展功能,并以此为基础构建。如 AWS CloudFormation 堆栈或 AWS Elastic Beanstalk 中所述,该服务可在构成应用程序所需的任何 EC2 Auto Scaling 组、EC2 Spot 队列、ECS 任务、DynamoDB 表、DynamoDB 全局二级索引和 Aurora 副本上运行 (我们还在探索通过其他方式将一组资源标记为应用程序,以便与 AWS Auto Scaling 结合使用)。

Read More

使用 Amazon Comprehend 检测客户评论的情绪

我们以 Amazon Echo、Amazon Echo Dot 和 Amazon Echo Show 的评论为例。我们将上传其他伪造的示例数据 (尽量不损害品牌声誉),然后使用具有细微差别的信息来模拟检索与产品有关的负面情绪,例如,正在召回的有缺陷、受损或危险商品。最后,我们使用 Amazon Athena 对负面评论进行交互查询并导出报告,以便让企业立即采取措施。

Read More

限制门槛已解除 – EC2 实例的网络带宽增加

我希望您已配置 AMI,并且您的最新一代 EC2 实例已使用 Elastic Network Adapter (ENA),也就是 2016 年年中我介绍过的适配器。ENA 可以提高吞吐量并降低延迟,同时还能最大程度减少主机处理器的负载。存在多个 vCPU 并且智能数据包的路由由多个传输和接收队列提供支持时,ENA 运行良好。

如今,我们解除了限制门槛,您可以在所有 AWS 区域使用更多带宽。

Read More

基于 AWS KMS 的加密现已可用于 Amazon SageMaker 中的训练和托管

Amazon SageMaker 使用一次性密钥 (也称为瞬态密钥) 加密所连接的 ML 通用型存储卷,用以训练和托管 EC2 实例。由于这些密钥均用于加密 ML 存储卷,并且在用后立即丢弃,因此可用卷来安全地存储机密数据。卷仅可通过相关联的实例访问,而这些实例会对访问权限加以控制。在实例终止之后,ML 卷将被删除,卷中的数据将无法再访问。 对于使用通过 AWS Key Management Service (KMS) 管理的密钥的功能 – 类似于指定 KMS 主密钥 ID 时,对于附加到笔记本电脑实例的存储的加密方式,客户呼声甚高。 即日起,您就可以选择使用 KMS 主密钥加密您的训练和托管数据了。这让您可以为分布式训练和模型托管利用多种 AWS KMS 功能,例如集中密钥管理、密钥使用情况审核日志记录、主实例密钥轮换等等。 为加密训练数据,可在对 CreateTrainingJob API 的调用中指定一个 KMS 主密钥。对于托管,可在对 CreateEndpointConfig API 的调用中指定密钥。 有关 Amazon SageMaker 和 KMS 的更多信息,请参阅 Amazon SageMaker 开发人员指南。 作者简介 Kumar Venkateswar 是 AWS ML 平台团队的产品经理,该团队开发的产品包括 […]

Read More

Amazon SageMaker BlazingText:在多个 CPU 或 GPU 上并行处理 Word2Vec

今天,我们推出了 Amazon SageMaker 的最新内置算法 Amazon SageMaker BlazingText。BlazingText 是一种无监督学习算法,用于生成 Word2Vec 嵌入,即单词在大型语料库中的密集向量表示。我们很高兴构建了 BlazingText,它可以最快的速度实现 Word2Vec,供 Amazon SageMaker 用户在以下实例上使用:

单一 CPU 实例 (Mikolov 和 fastText 的原始 C 实现)
使用多个 GPU、P2 或 P3 的单一实例
多个 CPU 实例 (分布式 CPU 训练)

Read More

使用 NNPACK 库加速 Apache MXNet

Apache MXNet 是供开发人员构建、训练和重复使用深度学习网络的开源库。在这篇博文中,我将向您介绍如何使用 NNPACK 库来加速推理。事实上,当 GPU 推理不可用时,要想从实例中获取更多性能,将 NNPACK 添加到 Apache MXNet 中或许不失为一种简单的方法。和往常一样,“您的情况可能会有所不同”,而且您应该始终运行自己的测试。

Read More

新功能 – 区域间 VPC 对等连接

今天我要向您介绍的是区域间 VPC 对等连接。早在 2014 年年初,您就已经能够在同一 AWS 区域的 Virtual Private Cloud (VPC) 之间创建对等连接 (请阅读 Amazon Virtual Cloud 的新 VPC 对等连接功能了解更多信息)。建立连接后,对等 VPC 中的 EC2 实例可以使用自己的私有 IP 地址跨对等连接相互通信,就像它们位于同一网络中一样。

Read More