Category: Artificial Intelligence

通过示例讲述怎么使用 pip、conda 来扩展官方镜像，简化 PyTorch 用户训练时的依赖包安装，从而加快训练时的加载过程

本文介绍基于亚马逊云科技部署MONAI进行大规模医疗影像的分析

AWS Deep Learning AMI 为机器学习从业者和研究人员提供基础设施和深度学习环境。您可以快速启动预装了主流深度学习框架的 Amazon EC2 实例，并且快速地切换 CUDA 版本实现与深度学习框架的兼容，轻松构建深度学习环境。从而让我们将更多的时间用于尝试新算法，学习新技术。

在本文中，将向您展示如何使用Amazon Personalize构建自动训练和推理的推荐服务。文中采用MovieLens电影评分数据作为样本数据并将数据存储在S3中，文中将利用lambda函数触发数据更新，模型训练，模型更新和模型批量推理。

利用Amazon EC2代替DeepRacer console，降低 92%的训练成本

你可以快速查找及解决DeepRacer比赛中常见的一些问题，以此作为DeepRacer的错误排查手册

本博文介绍通过刷新系统解决USB线无法连接到DeepRacer设备控制台Console的问题 ，以及通过人工升级赛车系统软件以兼容过往训练好的模型的方法

本文将CVAT开源标注平台部署到亚马逊云科技中国区域，并对官方的部署模式升级为无服务器化的方式提升架构的高可用性和并发能力，同时使用强大的SageMaker推理功能增强自动标注功能。

亚马逊云科技DeepRacer 是第一款专门为帮助开发人员进行强化学习（Reinforcement learning）实践而开发的1/18 比例的完全自动驾驶赛车。亚马逊云科技 DeepRacer 为开发人员提供了一种学习强化学习的简单方法，用新的强化学习算法和模拟到真实域传输方法进行实验，并在现实世界中体验 强化学习。开发人员可以在在线模拟器中训练、评估和调整强化学习模型，将他们的模型部署到亚马逊云科技 DeepRacer 上，从而获得现实世界的自动驾驶经验，并参加亚马逊云科技DeepRacer League 的比赛。

本文会介绍如何将本地训练好的TensorFlow模型部署到Amazon SageMaker来快速、灵活地创建TensorFlow模型服务器