Contenedores para aprendizaje profundo de AWS

Configure entornos de aprendizaje profundo rápidamente con imágenes de contenedores preempaquetadas optimizadas.

Los contenedores para aprendizaje profundo de AWS son imágenes de Docker preinstaladas con marcos de aprendizaje profundo que facilitan la implementación rápida de entornos de aprendizaje automático personalizados porque le permiten omitir el complejo proceso de crear y optimizar sus entornos desde cero. Los contenedores de aprendizaje profundo de AWS son compatibles con TensorFlow, PyTorch y Apache MXNet. Puede implementar los contenedores en Amazon SageMaker, Amazon Elastic Kubernetes Service (Amazon EKS), Kubernetes autoadministrado en Amazon EC2 y Amazon Elastic Container Service (Amazon ECS). Estos contenedores se encuentran disponibles mediante Amazon Elastic Container Registry (Amazon ECR) y AWS Marketplace sin costo, tan solo debe pagar por los recursos que utilice. Comience con este tutorial.

Los contenedores de Docker son un recurso muy utilizado para implementar entornos de aprendizaje automático personalizados que se ejecutan sistemáticamente en varios entornos. Sin embargo, la creación y el sometimiento a pruebas de las imágenes de contenedores para aprendizaje profundo es una tarea compleja y propensa a errores que puede demorar días, debido a las dependencias de software y a los problemas de compatibilidad de versiones. Las imágenes también se deben optimizar para distribuir cargas de trabajo de aprendizaje automático y ajustar su escala de manera eficiente en un clúster de instancias, lo que exige contar con conocimientos especializados. El proceso debe repetirse cuando se publican actualizaciones de marcos. Toda esta sobrecarga intrascendente ocupa tiempo valioso de los desarrolladores y disminuye el ritmo de innovación.

Los contenedores para aprendizaje profundo de AWS proveen imágenes de Docker que se preinstalaron y probaron con las versiones más recientes de marcos de aprendizaje profundo conocidos y con las bibliotecas que necesitan. Estos contenedores están optimizados para distribuir cargas de trabajo de aprendizaje automático de manera eficiente en clústeres de instancias en AWS para que pueda obtener altos niveles de rendimiento y escalabilidad de inmediato.

Presentación de los contenedores para aprendizaje profundo de AWS

Beneficios

Comience a crear inmediatamente

Utilice imágenes de Docker preempaquetadas para implementar entornos de aprendizaje profundo en cuestión de minutos. Las imágenes contienen las herramientas y las bibliotecas de marcos de aprendizaje profundo (actualmente, TensorFlow, PyTorch y Apache MXNet) necesarias. Además, se sometieron a pruebas integrales. Puede añadir fácilmente bibliotecas y herramientas propias por encima de dichas imágenes para lograr un mayor nivel de control en las tareas de monitorización, conformidad y procesamiento de datos. Si desea obtener más información, consulte imágenes de contenedores para aprendizaje profundo de AWS.

Obtenga el mayor nivel de rendimiento de manera automática

Los contenedores para aprendizaje profundo de AWS incluyen mejoras y optimizaciones de AWS en las versiones más recientes de marcos conocidos, como TensorFlow, PyTorch y Apache MXNet, y bibliotecas para entregar el mayor rendimiento para tareas de entrenamiento e inferencia en la nube. Por ejemplo, las optimizaciones de AWS TensorFlow permiten entrenar modelos con el doble de velocidad mediante mejoras significativas en el ajuste de escala de las GPU.

Introduzca aprendizaje automático en aplicaciones de Kubernetes rápidamente

Los contenedores para aprendizaje profundo de AWS se crearon para funcionar con Kubernetes en Amazon EC2. Si tiene aplicaciones implementadas en Kubernetes con Amazon EC2, puede agregar aprendizaje automático rápidamente como un microservicio en dichas aplicaciones a través del uso de estos contenedores.

Administre fácilmente flujos de trabajo de aprendizaje automático

Los contenedores para aprendizaje profundo de AWS tienen una integración profunda con Amazon Sagemaker, Amazon EKS y Amazon ECS, lo que le da la posibilidad y flexibilidad necesarias para crear flujos de trabajo de aprendizaje automático personalizados destinados a tareas de entrenamiento, validación e implementación. Mediante esta integración, Amazon EKS y Amazon ECS se encargan de toda la organización de contenedores necesaria para implementar contenedores destinados al aprendizaje profundo de AWS y ajustar su escala en clústeres de máquinas virtuales.

Los contenedores de aprendizaje profundo de AWS son compatibles con TensorFlow, PyTorch y Apache MXNet.

TensorFlow
Compatibilidad con TensorFlow
PyTorch
Compatibilidad con PyTorch
Apache MXNet
Compatibilidad con Apache MXNet

Clientes

Wix

"Los contenedores de aprendizaje profundo mejoran nuestra velocidad en un 20 %. Anteriormente, nuestro plazo de comercialización se veía afectado por el trabajo necesario para implementar en producción modelos desarrollados por científicos de datos. Normalmente, los científicos de datos trabajaban con las AMI de aprendizaje profundo de AWS y el equipo de desarrollo usaba contenedores de Docker en producción. Garantizar un paralelismo entre los entornos de investigación y producción era una tarea lenta y propensa a errores. Actualmente, con los contenedores para aprendizaje profundo de AWS, podemos usar el mismo entorno de TensorFlow optimizado y estable en toda la canalización, desde las etapas de investigación y entrenamiento a la de producción".


Accenture

"En Accenture, los científicos de datos innovan en representación de los clientes mediante la creación de aplicaciones de aprendizaje profundo para visión artificial y procesamiento de lenguaje natural en un conjunto diverso de áreas, como telecomunicaciones e industrias de recursos. Nuestro equipo trabajo a buen ritmo y utilizamos contenedores de Docker para poder entrenar e implementar modelos con rapidez. Nuestra velocidad se veía afectada por el hecho de tener que crear y mantener repetidamente imágenes de contenedores con bibliotecas y marcos de aprendizaje profundo, lo que nos costaba valiosos días cuando aparecían problemas de dependencia o compatibilidad. Ahora, con los contenedores para aprendizaje profundo, tenemos acceso a imágenes de contenedores de funcionamiento directo y contamos con rendimiento optimizado en AWS". 


Patch'd

"En Patchd, usamos el aprendizaje profundo para detectar sepsis de aparición temprana. Consideramos que los contenedores de Docker son una manera de aumentar 10 veces nuestras canalizaciones de aprendizaje profundo existentes, lo que nos otorga una forma flexible y rápida para probar cientos de modelos fácilmente. Sin embargo, no queremos invertir el valioso tiempo de los equipos de ingeniería y ciencia de datos en la configuración y optimización de entornos de Docker para aprendizaje profundo. Con los contenedores para aprendizaje profundo, podemos configurar entornos de TensorFlow optimizados en cuestión de minutos y sin costo".

Artículos y publicaciones de blog

New – AWS Deep Learning Containers
27 de marzo de 2019
 
 
Mejores prácticas para optimizar el rendimiento del aprendizaje automático distribuido en Amazon EKS
1 de mayo, 2019
 
Cargas de trabajo de GPU en AWS Batch
04 de abril, 2019
 
 
Obtenga más información sobre los contenedores para aprendizaje profundo
Conozca los recursos de los productos

Más información sobre los contenedores para aprendizaje profundo de AWS

Más información 
Inscríbase para obtener una cuenta gratuita de AWS
Regístrese para obtener una cuenta gratuita

Obtenga acceso instantáneo a la capa gratuita de AWS. 

Regístrese 
Comience a crear con los contenedores para aprendizaje profundo
Comience a crear con tutoriales

Introducción a los contenedores para aprendizaje profundo de AWS en Amazon EC2.

Probar ahora