Veröffentlicht am: Oct 18, 2017
Heute freuen wir uns, ein Update des AWS Deep Learning AMI bekannt zu geben.
Das AWS Deep Learning AMI, mit dem Sie mit einem einzigen Klick eine vollständige Lernumgebung auf AWS einrichten können, umfasst jetzt PyTorch, Keras 1.2 und 2.0 sowie beliebte Frameworks für Machine Learning wie TensorFlow, Caffe2 und Apache MXNet.
PyTorch für das schnelle Prototyping verwenden
Das AMI umfasst jetzt PyTorch 0.2.0, mit dem Developer dynamische neuronale Netze in Python erstellen können, die sich gut für dynamische Eingaben wie Text und Zeitreihen eignen. Developer können schnell mit diesen Tutorials für Anfänger und Fortgeschrittene beginnen, einschließlich der Einrichtung von Schulungen mit PyTorch.
Verbesserte Keras-Unterstützung
Das AMI unterstützt jetzt die neueste Version von Keras, v2.0.8. Standardmäßig wird Ihr Keras-Code als Backend für TensorFlow ausgeführt. Sie können auch zu anderen unterstützten Backends wie Theano und CNTK wechseln. Eine modifizierte Version von Keras 1.2.2, die auf dem Apache MXNet-Backend ausgeführt wird, mit einer besseren Schulungs-Performance, ist ebenfalls enthalten.
Vorinstalliert und konfiguriert mit den neuesten Frameworks
Diese Version des AMI enthält Unterstützung für die neuesten Versionen der folgenden Frameworks:
- Apache MXNet 0.11.0 mit Gluon
- TensorFlow 1.3.0
- Caffe2 0.8.0
- Caffe1.0
- PyTorch 0.2.0
- Keras 2.0.8 mit TensorFlow als Standard-Backend
- Keras 1.2.2 (DMLC-Fork) mit MXNet als Standard-Backend
- Theano 0.9.0
- CNTK 2.0
- Torch (Master-Branch)
Es ist außerdem mit folgenden vorkonfigurierten Bibliotheken für die GPU-Beschleunigung ausgestattet:
- CUDA Toolkit 8.0
- cuDNN 5.1
- NVidia Treiber 375.66
- NCCL 2.0
Testen Sie Gluon
Zu guter Letzt enthält das AMI Gluon, eine neue Open-Source-Schnittstelle für Deep Learning, mit der Developer einfach und schnell Machine Learning-Modelle erstellen können, ohne die Performance zu beeinträchtigen. Mehr über Gluon erfahren Sie in unserer RubrikAnkündigungen zu Neueinführungen. Beginnen Sie mit über 50 Notebooks mit Beispiel-Code.
Sie können das AWS Deep Learning AMI mit nur einem Klick vom AWS Marketplace aus für Ubuntu und Amazon Linux starten oder folgen Sie dieser Schritt-für-Schritt-Anleitung und starten Sie Ihr erstes Notebook.
Viel spaß beim Erstellen von Modellen!
–
PS: Ein Hinweis zur Keras-Unterstützung.
Sie können zwischen Keras 1 und Keras 2 mithilfe der virtuellen Umgebung von Conda wechseln. Keras 2 wird standardmäßig ausgeführt. Verwenden Sie den folgenden Befehl, um zu Keras 1 und dem MXNet-Backend zu wechseln:
Für Python 2-Benutzer:
source ~/src/anaconda3/bin/activate keras1.2_p2
Für Python 3-Benutzer:
source ~/src/anaconda3/bin/activate keras1.2_p3
Dann können Sie in dieser virtuellen Umgebung Keras 1.2.2 importieren und ausführen, wie Sie es normalerweise tun würden:
import keras
Weitere Informationen zu Conda und seinen Befehlszeilenschnittstellen für die Verwaltung virtueller Umgebungen finden Sie im Conda Handbuch Erste Schritte.