Deep Learning mit TensorFlow

Deep Learning auf AWS einfach gemacht

TensorFlow ist eines von vielen Deep-Learning-Frameworks, die Forschern und Entwicklern zur Verfügung stehen, um ihre Anwendungen mit Machine Learning zu erweitern. AWS bietet umfassenden Support für TensorFlow, so dass Kunden ihre eigenen Modelle in den Bereichen Computer Vision, Verarbeitung natürlicher Sprache, Sprachübersetzung und mehr entwickeln und bereitstellen können.

Sie können mit TensorFlow auf AWS beginnen, indem Sie Amazon SageMaker verwenden, einen vollständig verwalteten Machine Learning Service, der das Erstellen, Trainieren und Bereitstellen von TensorFlow-Modellen in großem Umfang einfach und kostengünstig macht. Wenn Sie es vorziehen, die Infrastruktur selbst zu verwalten, können Sie die AWS Deep Learning AMIs oder die AWS Deep Learning Containers verwenden, die aus dem Quellcode erstellt und für die Leistung mit der neuesten Version von TensorFlow optimiert wurden, um benutzerdefinierte Machine Learning-Umgebungen schnell bereitzustellen.

Vorteile

Visualisierung

TensorFlow enthält eine umfassende Palette an Visualisierungs-Tools, mit denen sich Anwendungen leichter verstehen, debuggen und optimieren lassen. Mit Unterstützung verschiedener Stile – von Bildern und Audio bis hin zu Histogrammen und Diagrammen – können Sie große neuronale Netze schnell und einfach trainieren.

Dokumentation

Mit TensorFlow greifen Sie auf umfassende Dokumentation und Tutorials zu, die Sie bei der schnellen KI-Entwicklung unterstützen. TensorFlow wird von einer großen, aktiven Community gestützt, die regelmäßig Programmiercode beiträgt und Probleme auf GitHub behebt.

Erfahrungen von Kunden

Aerobotics-Logo

Aerobotics, ein südafrikanisches Agrartechnik-Startup, versorgt Landwirte mit Daten und Intelligenz durch die Aeroview-Plattform, die Machine Learning nutzt, um Informationen aus Luftaufnahmen von Drohnen zu extrahieren. Mit Amazon SageMaker und TensorFlow konnte Aerobotics die Trainingsgeschwindigkeit um das 24-fache pro Probe verbessern.

Den Blog lesen »

Fannie Mae-Logo

Fannie Mae verwendet Amazon SageMaker mit TensorFlow für sein Hausbewertungsmodell, um genaue Immobilienbewertungen zu generieren, was zur Reduzierung des Hypothekenrisikos beiträgt.

Video ansehen und mehr erfahren »

Mobileeye-Logo

Mobileye, ein Intel-Unternehmen, verwendet TensorFlow mit Amazon SageMaker, um Lösungen für Fahrerassistenz und autonome Fahrzeuge zu entwickeln und bereitzustellen. Mit Amazon SageMake Pipe Mode werden Daten von Amazon S3 zu Trainingsinstanzen mit der TensorFlow-Datensatz-API gestreamt, damit mehrere Trainingsinstanzen aus demselben Satz entkoppelter Trainingsdaten ziehen können.

Video ansehen und mehr erfahren »

Kunden, die TensorFlow in AWS verwenden

Viele Organisationen genießen die Benutzerfreundlichkeit und Flexibilität der ersten Schritte mit TensorFlow in AWS.
babylon-Logo
Georgia-Pacific-Logo
GoDaddy-Logo
Siemens-Logo
Propeller-Logo
Wix-Logo
zalando-Logo
Browsi-Logo
BTG-Logo
Cox Automotive
Thomson Reuters-Logo
edmunds.com-Logo
GoodData-Logo
grammarly-Logo
Expedia-Logo
hudl-Logo
Idexx-Logo
intuit-Logo
Tradelegs-Logo
Matrix-Logo
Pinterest-Logo
Standard Product Icons (Features) Squid Ink
Erste Schritte mit PyTorch in AWS

Seite „Erste Schritte“ besuchen.

Weitere Informationen 
Sign up for a free account
Für ein kostenloses Konto registrieren

Sie erhalten sofort Zugriff auf das kostenlose AWS-Kontingent. 

Registrieren 
Standard Product Icons (Start Building) Squid Ink
Beginnen Sie mit der Entwicklung in der Konsole

Beginnen Sie mit der Entwicklung in der AWS-Managementkonsole.

Anmelden