Publié le: Oct 18, 2017
Aujourd'hui, nous avons le plaisir de vous annoncer une mise à jour de l'AMI AWS Deep Learning.
L'AMI AWS Deep Learning, qui vous permet de mettre en place un environnement complet d'apprentissage profond sur AWS d'un simple clic, inclut désormais la prise en charge de PyTorch, Keras 1.2 et 2.0, ainsi que les infrastructures de Machine Learning les plus courantes, telles que TensorFlow, Caffe2 et Apache MXNet.
Utilisation de PyTorch pour un prototypage rapide
L'AMI inclut désormais PyTorch 0.2.0, qui permet aux développeurs de créer des réseaux neuronaux dynamiques dans Python, qui conviennent parfaitement aux entrées dynamiques telles que les textes et les séries chronologiques. Les développeurs peuvent démarrer rapidement à l'aide de ces didacticiels pour utilisateurs débutants ou avancés, y compris la configuration d'une formation distribuée avec PyTorch.
Prise en charge de Keras améliorée
L'AMI prend désormais en charge la version la plus récente de Keras, version 2.0.8. Par défaut, votre code Keras s'exécute sur TensorFlow comme backend ; vous pouvez aussi procéder à d'autres échanges avec les backends pris en charge tels que Theano et CNTK. Nous avons également inclus une version modifiée de Keras 1.2.2 qui s'exécute sur le backend Apache MXNet avec de meilleures performances de formation.
Préinstallé et configuré avec les infrastructures les plus récentes
Cette version de l'AMI inclut la prise en charge des versions les plus récentes des infrastructures suivantes :
- Apache MXNet 0.11.0 avec Gluon
- TensorFlow 1.3.0
- Caffe 2 0.8.0
- Caffe1.0
- PyTorch 0.2.0
- Keras 2.0.8 avec TensorFlow comme backend par défaut
- Keras 1.2.2 (fork DMLC) avec MXNet comme backend par défaut
- Theano 0.9.0
- CNTK 2.0
- Torch (branche maître)
Il est aussi packagé avec les bibliothèques préconfigurées suivantes pour l'accélération GPU :
- CUDA Toolkit 8.0
- cuDNN 5.1
- NVidia Driver 375.66
- NCCL 2.0
Gluon pour un essai A
Enfin et surtout, l'AMI inclut Gluon, une nouvelle interface d'apprentissage profond open source qui permet aux développeurs de créer rapidement des modèles de Machine Learning, sans compromettre les performances. Vous pouvez obtenir plus d'informations sur Gluon dans notre annonce de lancement et démarrer avec plus de 50 blocs-notes d'exemples de code.
Vous pouvez lancer l'AMI AWS Deep Learning AMI pour Ubuntu et Amazon Linux d'un simple clic depuis AWS Marketplace, ou suivre ce guide pas à pas pour démarrer et lancer votre premier bloc-notes.
Joyeuse modélisation !
—
PS : remarque sur la prise en charge de Keras.
Vous pouvez échanger Keras 1 et Keras 2 à l'aide de l'environnement virtuel Conda. Keras 2 s'exécute par défaut ; pour basculer vers Keras 1 et le backend MXNet, utilisez la commande suivante :
Pour les utilisateurs de Python 2 :
source ~/src/anaconda3/bin/activate keras1.2_p2
Pour les utilisateurs de Python 3 :
source ~/src/anaconda3/bin/activate keras1.2_p3
Puis, depuis cet environnement virtuel, vous pouvez importer et exécuter Keras 1.2.2 comme vous le feriez normalement :
import keras
Vous pouvez en savoir plus sur Conda et ses interfaces de ligne de commande pour la gestion des environnements virtuels en accédant au Guide de mise en route Conda.