亚马逊AWS官方博客

Category: Artificial Intelligence

如何宅在家里构建一个分图利器? – 利用 Amazon SageMaker 快速构建一个基于深度学习端到端的图像分类器

基于深度学习 (Deep Learning) 的图像分类的研究与应用已经进行的如火如荼,对大部分的业务场景来说,更是有着深刻的现实意义 – 基于图片的互联网分享社交应用,如何借助 Deep Learning 在第一时间对用户分享的图片进行实时监测,分类是一个比较典型的应用场景;又例如,电商运营可能希望对所有的产品照片按照产品属性进行自动化分类,减少人工分类的工作;另外,在工业生产线的良品率基于产品图片的自动筛检,以及辅助医疗领域对病理图片的分类等等场景都有着十分广泛的应用前景和实用价值。

当然,利用神经网络 (Neural Networks)构建的深度学习,因为其非线性的特性以及堆叠网络架构使其具备了数以百万计的模型参数在图片分类利用越来越成熟。但是,对于不具备深度学习研发能力的用户,从零构建这样的应用无疑是一种挑战。Amazon SageMaker 是一个完全托管的机器学习服务,它使一般的开发人员和数据科学家可以快速轻松地构建以任何规模的机器学习训练任务,并且提供基于API的端到端的模型部署方案以及 10 多类 Amazon 自带的典型算法,让用户无障碍地轻松构建各种典型的机器学习应用。

好了,我们今天给大家准备了一个有趣的任务 – 构建一个猫狗图片的分类器。

Read More

用新的 Amazon Polly 发音标签创建更柔和的语音

语音合成标记语言 (SSML) 是一种标准化标记语言,使开发人员能够修改文本到语音 (TTS) 音频。借助 SSML,您可以控制 TTS 输出的各种声音特征,例如发音,语速和其他元素,以产生听上去更自然的声音体验。

今天,我们很高兴地推出一种您可以与 Amazon Polly 一起使用的新语音 SSML 标签。新的语音标签使您能够产生更柔和的对话。

Read More

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

Amazon Polly 让 WordPress 有了自己的声音!

今天,AWS 与 WP Engine 联合发布了适用于 WordPress 的 Amazon Polly 插件。示例插件让 WordPress 创作者可以轻松为书面内容添加文本转语音功能。随着语音交互日益普及,为网站内容赋予音频形式也成了一项必要的工作。此外,被语音功能吸引到您网站的访问者现在可以通过新的渠道 (如内联音频播放器和移动设备上的播客应用程序) 来使用您的内容。现在,读者和听众可以收听您的文章,而不必一直盯着屏幕,比如在驾车、骑自行车甚至是慢跑时收听。

Read More

使用全新 Amazon Polly 插件,让您的 WordPress 博客变有声

2016 年末我在博文 Amazon Polly – 47 种声音和 24 种语言的文本到语音转换中,第一次向大家介绍了 Polly。在推出 AWS re:Invent 后,我们增加支持韩语、五种新声音,并在 aws 分区中的所有区域开放 Polly 服务。此外,我们增加了悄悄话、语音标记、音效和动态范围压缩等功能。

今天我们推出了一个 WordPress 插件,它使用 Polly 来创造高品质的音频版博文。您可以在博文中读取音频,也可使用我们称为 Amazon Pollycast 的播客格式读取!这两种选项都可提高内容的无障碍性,帮助您辐射更广泛的受众。此插件是 AWS 团队与 AWS 高级技术合作伙伴 WP Engine 的朋友们紧密合作的结果。

Read More

Model Server for Apache MXNet 引入 ONNX 支持和 Amazon CloudWatch 集成

今天,AWS 发布了 Model Server for Apache MXNet (MMS) 版本 0.2,这是一个打包深度学习模型和为模型提供服务的开源库,适用于进行大规模预测。现在,您可以 Open Neural Network Exchange (ONNX) 的形式为模型提供服务,并直接向 Amazon CloudWatch (可在其中创建控制面板和警报) 发布运维指标。

Read More

让神经网络触手可及 – AWS 风格

Amazon AI 的目标是通过开发 Amazon SageMaker 之类的平台来让机器学习变得大众化,而 fast.ai 的目标正好与其相同:提供平等教育机会,以便每个人都可以掌握机器学习并提高工作效率。fast.ai 的宣传语是“让神经网络触手可及。”这不是一场降低深度神经网络热门度的比赛,而是要让其吸引力和可访问性不仅仅局限于主导该领域研究的学术精英。

随着深度学习用例 (例如,计算机视觉、自然语言处理和机器翻译) 的激增,我们还发现,开发人员社区对了解机器学习及其在众多问题上的应用产生了浓厚的兴趣。在实际应用方面,“深度学习纳米学位”开发公司 Udacity 在全球的用户数量已超过 800 万。其中,5 万多名用户志在获得纳米学位,获得这些学位的很大一部分用户专注于深度学习。我们开始注意到,机器学习掀起热潮,但这方面的教育仍旧沿袭一般教育方式,从研究开始,然后才是应用。进入 fast.ai 世界,感受大规模开放在线课程 (MOOC) 无与伦比的魅力,与 10 万余名学生共同利用 AWS 云的全球网络办公环境在线学习深度学习。

Read More

Amazon SageMaker 现在推出了 AWS CloudTrail 集成

AWS 客户请求提供一种方法用来在 Amazon SageMaker 中记录活动,从而帮助满足管治及合规性要求。我很高兴地宣布,Amazon SageMaker 现在与 AWS CloudTrail 进行了集成,这项服务可用来记录、持续监控以及保留与 Amazon SageMaker API 活动相关的账户信息。无论是通过 Amazon SageMaker SDK、AWS SDK、Apache Spark SDK for Amazon SageMaker,还是通过 Amazon SageMaker 控制台进行的 Amazon SageMaker API 调用,都可以被捕获并发送到 Amazon S3 存储桶,从而提供 AWS 账户活动的事件历史记录。记录的信息包括源 IP 地址、发出请求的日期和时间、与请求关联的用户身份以及请求的参数。

Read More