AWS 深度学习之旅

如果您和我一样，就会对人工智能 (AI)、机器学习 (ML) 和深度学习这些主题有极大兴趣和深感兴奋。AI、ML 和深度学习的应用越来越广泛，对我来说，这意味着艾萨克·阿西莫夫博士的科幻小说、《星球大战》中机器和医疗的进步，以及让柯克船长和他的《星际迷航》舰员能够“前往没有人去过的地方”的那些技术都可成为现实。

大多数对前述主题感兴趣的人都熟悉深度学习支持的 AI 和 ML 解决方案，如实现图像和视频分类的卷积神经网络、语音识别、自然语言接口和推荐引擎。但是，设置基础设施、环境和工具，让数据科学家、机器学习实践者、研究科学家和深度学习爱好者/拥护者能够深入钻研这些技术并不总是那么容易。大多数开发人员都渴望能够快速上手深度学习，从而使用深度学习技术来训练模型和开发解决方案。

因此，无论您是经验丰富的数据科学家，还是急切想在这方面入门的开发人员，我都乐意分享一些资源，帮助您快速构建深度学习解决方案。

深度学习资源

Apache MXNet 是 Amazon 选择的深度学习框架。借助强大的 Apache MXNet 框架和 NVIDIA GPU 计算，您可以在 AWS 云中方便地启动您的可扩展深度学习项目和解决方案。随着您开始探索 MxNet 深度学习，有很多自助教程和数据集可供您使用：

• 启动 AWS 深度学习 AMI：该指南可引导您完成基于 Ubuntu 启动 AWS 深度学习 AMI 的步骤
• MXNet – 创建计算机视觉应用程序：该实践教程使用预构建的笔记本指导您完成使用神经网络实现计算机视觉应用程序来识别手写数字的整个过程
• AWS 机器学习数据集： AWS 在您可以免费访问的 AWS Marketplace 中托管机器学习数据集。这些大型数据集可供任何人用来分析数据，而无需下载或存储这些数据。
• 预测和提取 – 学习使用预先训练的模型来进行预测：该实践课程将指导您借助预先训练的模型并使用完整 Imagenet 数据集来进行预测和特征提取。

AWS 深度学习 AMI

AWS 提供可在 Amazon EC2 上使用的 Amazon 系统映像 (AMI)，用于快速部署开启您的深度学习之旅所需要的基础设施。AWS 深度学习 AMI 预先配置了主流的深度学习框架，使用 Amazon Linux 上的 Amazon EC2 实例和可以为 AI 目标解决方案和模型启动的 Ubuntu 来构建。在深度学习 AMI 中支持和预配置的深度学习框架有：

• Apache MXNet
• TensorFlow
• Microsoft Cognitive Toolkit (CNTK)
• Caffe
• Caffe2
• Theano
• Torch
• Keras

此外，AWS 深度学习 AMI 为 Jupyter 笔记本安装与 Python 2.7/3.4、适用于 Python 的 AWS 开发工具包有关的预配置库以及其他与 Python 程序包和依赖项相关的数据科学内容。这些 AMI 还随附 NVIDIA CUDA 和与所有受支持的深度学习框架一起预安装的 NVIDIA CUDA 深度神经网络 (cuDNN) 库，对于 Apache MXNet 框架则会安装 Intel Math Kernel 库。您可以使用尝试深度学习 AMI 链接访问 AWS Marketplace，从而启动任何深度学习 AMI。

总结

现在是深入钻研深度学习的大好时机。通过使用在 AWS 云中运行的 AWS 深度学习 AMI，可以让您的深度学习环境快速运行起来，从而加快您在深度学习方面的工作进度，您也可以通过使用 AWS 自助资源详细了解 AWS 上使用 MXNet 的深度学习。当然，您还可以通过查看 AWS 深度学习页面、Amazon AI 产品页面和 AWS AI 博客，了解有关 AWS 上深度学习、机器学习和人工智能的更多信息。

愿大家都得到深度学习之原力。

– Tara