Der einfachste Weg, mit dem Entwickeln, Trainieren und Bereitstellen Ihres Deep-Learning-Modells auf Apache MXNet zu beginnen, ist die Verwendung der vollständig verwalteten Machine Learning-Plattform Amazon SageMaker, die mit Apache MXNet vorkonfiguriert ist.
Sie können außerdem die AWS Deep Learning-AMIs verwenden, um benutzerdefinierte Umgebungen mit Apache MXNet zu erstellen. Mit den AWS Deep Learning-AMIs erhalten ML-Nutzer und Wissenschaftler die Infrastruktur und Tools, um Deep-Learning-Arbeiten beliebiger Größenordnungen in der Cloud zu beschleunigen. Sie können Amazon EC2-Instances, die bei Apache MXNet und Gluon vorinstalliert sind, schnell starten, um anspruchsvolle, benutzerdefinierte KI-Modelle zu trainieren, mit neuen Algorithmen zu experimentieren oder neue Fähigkeiten und Techniken zu erlernen. Egal, ob Sie Amazon EC2-GPU- oder CPU-Instances benötigen, Sie müssen nichts zusätzlich für die Deep Learning AMIs bezahlen. Sie zahlen lediglich für die AWS-Ressourcen, die zum Speichern und Ausführen der Anwendungen erforderlich sind.
MXNet-Tutorials
Steigen Sie mit diesen einfachen Tutorials in die Praxis des Deep Learning ein.
MXNet Gluon in nur 60 Minuten erlernen
In diesem 60-minütigen Crashkurs erfahren Sie alles Wichtige über Gluon, eine notwendige API für MXNet.
Erstellen einer Computervision-Anwendung
Mit Hilfe dieser Schritt-für-Schritt-Anleitung können Sie eine Bildverarbeitungsanwendung mit MXNet erstellen.
Erstellen einer Sprachverarbeitungsanwendung
Mit dem GluonNLP-Toolkit können Sie ganz einfach natürliche Sprachverarbeitungsmodelle in Gluon entwickeln.
Deep Learning in AWS entdecken
Amazon SageMaker ist ein vollständig verwalteter Service, der es Entwicklern und Datenwissenschaftlern ermöglicht, schnell und einfach Machine Learning-Modelle jeder Größenordnung zu erstellen, zu trainieren und zu implementieren. Amazon SageMaker beseitigt alle Hindernisse, die Entwickler normalerweise beim Einsatz von Machine Learning behindern.