亚马逊AWS官方博客

我们为南美洲（圣保罗） 区域的 AWS 客户带来了好消息。从 2020 年 4 月 1 日起，我们将南美洲（圣保罗）区域数据传出互联网 (DTO) 的价格降低 40%。数据传入仍然免费。

加入我们，观看由 AWS 解决方案架构师和工程师主导的实时在线演示。AWS 在线技术讲座涵盖了一系列主题和多层次的专业知识，包括技术深入探讨、演示、客户示例以及 AWS 专家的实时问答。

今天，AWS 很高兴地宣布推出 AWS Launch Wizard for SAP 这项新服务，对客户而言，它具有快速、简单、灵活、安全且成本效益好等优点。这一新服务通过使用 AWS CloudFormation 和 AWS Systems Manager 等协调基础 AWS 资源的预配置，帮助客户在 AWS 上部署 SAP 应用程序。

本文想要向您演示如何使用经过容量优化的分配策略，并想要与您分享一对客户案例。

利用Cloudfront的Lambda@Edge功能，您可以根据最终用户的需求动态生成缩略图。这允许应用程序使用一致的体验，使最终用户更快地访问缩略图，也使客户更加依赖AWS Cloudfront服务。

本文介绍了如何使用AWS CodeCommit结合 IAM权限管理搭建可规模化安全、统一的企业敏捷研发基础架构。

PyTorch 是一个常见的深度学习框架，它使用动态计算图形。借助它，您可以使用命令语言和常用的 Python 代码轻松开发深度学习模型。推理是使用训练模型进行预测的过程。对于使用 PyTorch 等框架的深度学习应用程序，推理成本占计算成本的 90%。由于深度学习模型需要不同数量的 GPU、CPU 和内存资源，为推理选择适当的实例有难度。在一个独立的 GPU 实例上对其中一个资源进行优化通常会导致其他资源利用不足。因此，您可能要为未使用的资源付费。

随着 AI 在医疗领域的快速运用与推广，越来越多医疗用户在AWS寻求弹性，安全，高效，高可用的解决方案。此外，基于医疗的行业属性，医疗用户要求在云上的机器学习流程一方面与 AWS 其它产品如监控，安全，审计等服务集成，以符合 HIPAA 要求；另一方面能贴合本地业务环境无缝集成，灵活部署。随着益体康，晶态科技等优秀的医疗+AI用户通过在 AWS 上快速搭建服务平台，极大缩短了产品从构想、开发，再到部署的时间，越来越多的用户发现 AWS 技术上的优势可以让医疗 AI 用户的模型训练变得更为轻松。这篇blog旨在以开源的医疗影像数据与语义分割算法为例，探索 Amazon SageMaker 加速自定义医疗 AI 影像分割算法构建的业务场景与优势。

SAP作为企业核心应用系统，业务对于系统的RTO/RPO以及高可用支持的场景通常会有较高的要求。通常SAP系统在云上部署会使用DX、VPC、EC2、EBS、S3等相关AWS基础服务。一般在实施初期，进行SAP系统架构设计的时候客户会存在以下疑问：“既然云上AWS都已经保证在一个区域内，Amazon EC2 和 Amazon EBS 的月度正常运行时间百分比至少达到 99.99%，那我们为什么还要部署要采用高可用?” 根据AWS推荐设计原则，搭建一个云端应用系统时，基础原则是“design for failure”，也就是系统架构设计的时候需要考虑到应用系统的每一个层面，包括硬件和软件是可能出现故障的，并据此在应用系统架构设计上消除单一故障点，从而实现高可用性的系统架构。

基于深度学习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，如何借助深度学习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。