亚马逊AWS官方博客

最近，AWS 发布了基于最新一代 Intel Xeon Scalable Platinum 处理器的全新计算密集型 Amazon EC2 C5 实例。这些实例专为计算量大的应用程序设计，并且与 C4 实例相比，性能明显改进。它们还为每个 vCPU 提供更多内存，是矢量和浮点工作负载的两倍。
在本博客中，我们将演示 BigDL，适用于 Apache Spark 的开源分布式深度学习框架，它可以利用 AWS C5 实例中提供的新功能，这些功能可以显着改善大型深度学习工作负载。具体来说，我们将展示 BigDL 如何使用 C5 实例来利用低精度和量化，以便最多将模型大小缩小 4 倍，使推理速度提升近 2 倍。

这些实例专用于计算密集型应用程序，例如批处理、分布式分析、高性能计算 (HPC)、广告服务、高度可扩展的多人游戏和视频编码。新实例提供了比 C4 实例高 49% 的价格/性能改进。它们还有额外的每 vCPU 内存，而且 (对于可以利用新 AVX-512 指令的代码) 对于向量和浮点工作负载有两倍的性能。

2016 年，我们为不同的数据库引擎推出了 50 种功能。2017，我们推出了近 80 种功能。2018 年，我们为不同的引擎推出了近 100 种不同的功能。本文我们按不同主题分类，带领大家简单回顾一下所有这些功能

对于刚上手机器学习的从业人员而言，业务需求所需要呈现的结果，往往不仅是用公开数据集就能够训练出合适的模型。我们往往只有少量的业务相关数据，甚至这些数据也需要从零开始收集整合，而这之后还需要进行数据清洗、数据打标签、特定数据格式转化等复杂的制作特定数据集的步骤，这些工作会阻塞住我们前进的脚步。除了容易在数据集上举步不前外，对于所需要数据量的误解也是另外一大阻碍因素。我们总认为进行机器学习需要“大量”的数据，究竟需要多少数据？在仅有少量数据时就不能训练出准确率较高的模型？本文试图从零开始，从制作自己的数据集开始，来探讨上面提出的问题。

在本篇中，我们将最终完成Android客户端，实现授权并访问AWS资源。

在这一篇中，我们将具体实现对接微信开放平台验证微信用户的业务逻辑。

这一篇中我们将介绍如何创建API Gateway中的API， Lambda函数如何处理来自API Gateway的输入参数、响应给API的返回结果，以及实现Lambda函数和API的集成。

这一篇中我们将要介绍Eclipse配置Lambda开发环境，使用AWS Toolkit开始动手开发Java的Lambda函数。

Amazon Cognito 为我们的 Web 和移动应用程序提供身份验证、授权和用户管理，借助它可以实现第三方 (如 Facebook、Amazon 或 Google) 登录，从而便利了开发者使用主流社交网站的登录体系实现用户登录。
Amazon Cognito 已经于2017年11月在由光环新网运营的 AWS 中国（北京）区域发布，AWS 官方尚未支持使用的微信登录，我们通过以下系列文章为大家介绍通过 Amazon Cognito 的开发人员验证的身份来变通实现微信登录。

Simon 带您了解您现在可以利用的众多最新特性、服务和功能。这包括新推出的 AWS Backup 服务，更强大的 GPU 功能，以及新版 SLA 等等！