亚马逊AWS官方博客

Category: AWS Deep Learning AMIs*

AWS Deep Learning AMI 现在能够以更快的速度训练适用于 TensorFlow 和 Microsoft Cognitive Toolkit 的 Volta GPU

现在,适用于 Ubuntu 和 Amazon Linux 的 AWS Deep Learning AMI 包含最新版本的 TensorFlow (1.5) 和 Microsoft Cognitive Toolkit (2.4)。这些框架支持 NVIDIA CUDA 9 和 cuDNN 7 驱动程序。这可让您利用 V100 Volta GPU (支持 Amazon EC2 P3 实例) 支持的混合精度训练。在早期在 Volta 上进行的 TensorFlow 1.5 测试中,我们在 p3.8xlarge 实例上使用 ImageNet 合成数据在 FP16 模式下对 ResNet-50 基准进行训练,其速度比使用 TensorFlow 1.4.1 进行训练要快 1.8 倍。

Read More

AWS Deep Learning AMI 现在推出 TensorFlow 1.5 和全新 Model Serving 功能

AWS Deep Learning AMI 可帮助您快速轻松地开始使用机器学习。AMI 包含大量预建选项,可满足机器学习从业者的各种需求。如果您需要常见深度学习框架的最新版本,Deep Learning AMI 可提供在基于 Conda 的独立虚拟环境中安装的预建 pip 二进制文件。如果您希望测试高级框架功能或者对框架源代码进行微调,包含源代码的 Deep Learning AMI 可提供基于源的自定义框架安装。这些框架通常内建了常见二进制文件中没有的高级优化功能。

Read More

Zocdoc 在 AWS 上使用 TensorFlow 帮助患者安心看病

医疗保健行业的情况非常复杂。最近的调查表明,超过一半的美国人不清楚所持保险涵盖的范围,四分之三的人希望通过更简单的方法来确认医生是否在保险公司网络内。

Zocdoc 帮助患者理清了这一混乱局面,让需要医疗保健的个人能够做出更明智的选择,同时找到满足其需求的医疗服务。Zocdoc 致力于优化医疗保健数据来帮助患者,支持其完成该使命的核心就是 AWS 上的深度学习。有了使用 TensorFlow 深度学习框架构建的算法,Zocdoc 可更高效地为患者分配医生。患者可预约 24 小时内看诊,过去全国新患者等待看诊的平均等待时间为 24 天。

Read More

AWS Deep Learning Conda AMI 和 Base AMI 入门

今天,AWS 宣布发布两个新版本的 AWS Deep Learning AMI:基于 Conda 的 AMI 和 Base AMI。本文介绍有关如何充分利用新 AMI 的说明和其他资源。 带 Conda 托管环境的新 Deep Learning AMI 这些面向 Amazon Linux 和 Ubuntu 的新 Deep Learning AMI 预安装了 Python 环境,用于使用 Conda 这个热门开源软件包和环境管理工具创建的深度学习。Conda 托管 Python 环境针对常见深度学习框架 (包括 Apache MXNet、TensorFlow、Caffe2、PyTorch、Keras、CNTK 和 Theano) 进行了预先配置。此外,每个 Python 环境都有两个版本 – Python 2 和 Python 3。使用 AWS 管理控制台登录 AWS EC2 […]

Read More

面向机器学习从业人员的新 AWS Deep Learning AMI

我们非常高兴宣布推出两个新版本的 AWS Deep Learning AMI:一个是基于 Conda 的 AMI,它具有单独的 Python 环境,面向通过 Conda 这个热门开源软件包和环境管理工具创建的深度学习框架;另一个是 Base AMI,它带有 GPU 驱动程序和库,可用来部署您自己的自定义深度学习模型。 在学术界和业界,从框架和算法到新的方法和理论,深度学习技术正在快速发展。对于需要快速安全测试算法、针对特定版本框架进行优化、运行测试和设置基准或从头开始合作项目的开发人员而言,这一切显得非常复杂。虚拟环境可为这些工作提供自由和灵活性,这就是我们现在向 AWS Deep Learning AMI 加入虚拟技术的原因。我们还准备了全新的开发人员资源,以帮助您详细了解这些 AMI,帮助您为项目选择合适的 AMI以及深入学习实践教程。 基于 Conda 的新 Deep Learning AMI 基于 Conda 的 AMI 预安装了 Python 环境,适合使用 Conda 创建的深度学习。每个基于 Conda 的 Python 环境都配置为包括常见深度学习框架及其依赖项。将它视为一个完全备份的虚拟环境,随时可以运行您的深度学习代码,例如,用来训练神经网络模型。我们的分步指南提供了有关如何为所选深度学习框架激活环境或使用简单的单行命令在不同环境之间进行切换的说明。 该 AMI 的优势不止于此。该 AMI 上的环境以相互隔离、独立的沙盒形式运行。这意味着,当您在沙盒内运行自己的深度学习代码时,可以全面了解和控制其运行时环境。您可以安装新软件包、升级现有软件包或更改环境变量,完全不用担心影响 AMI 上的其他深度学习环境。  这种级别的执行环境灵活性和精细控制还意味着您现在可以对深度学习模型运行一致和随着时间推移可再现的测试以及设置性能基准。 最后,该 AMI 提供直接集成 Jupyter […]

Read More