Publié le: Jul 23, 2018
Les AMI AWS Deep Learning pour Ubuntu et Amazon Linux intègrent désormais une build personnalisée de TensorFlow 1.9 optimisée pour les formations hautes performances, la dernière version 1.2 d'Apache MXNet qui inclut de nombreuses améliorations de performance et de fonctionnalité, le nouveau backend Keras 2-MXNet avec la prise en charge de la formation multi-GPU hautes performances, et le nouvel outil MXBoard pour le débogage amélioré et la visualisation de modèles de formation MXNet.
Formation accélérée avec TensorFlow 1.9 optimisé
Les AMI de deep learning incluent une build optimisée par calcul de TensorFlow 1.9 au code source directement personnalisé pour optimiser les performances de formation sur les processeurs Intel Xeon Platinum alimentant les instances Amazon EC2 C5. Les AMI proposent également une build de TensorFlow 1.9 optimisée par le GPU configurée avec NVIDIA CUDA 9 et cuDNN 7 pour profiter d'une formation de précision mélangée sur les GPU Volta V100 alimentant les instances Amazon EC2 P3. Les AMI de deep learning déploient automatiquement une build hautes performances de TensorFlow optimisée pour l'instance EC2 de votre choix lorsque vous activez l'environnement virtuel de TensorFlow pour la première fois. Pour en savoir plus, consultez notre didacticiel TensorFlow.
De plus, pour les développeurs cherchant à dimensionner leur formation TensorFlow à un GPU vers une version à plusieurs GPU, les AMI sont fournies entièrement configurées avec Horovod, un environnement de formation open source très populaire. Nous avons mis à disposition plusieurs améliorations et configurations de performances dans cette version préliminaire de Horovod pour accélérer l'exécution de formations distribuées sur des clusters d'instances Amazon EC2 P3. Pour plus d'informations, consultez notre article de blog.
Améliorations d'Apache MXNet 1.2
Les AMI de deep learning prennent en charge la dernière version d'Apache MXNet 1.2 pour des performances et une prise en main améliorées. MXNet 1.2 inclut une nouvelle interface d'API Scala sûre et de haut niveau qui simplifie la réalisation de prédictions grâce aux modèles de deeep learning formés avec MXNet. MXNet 1.2 propose également l'intégration d'Intel MKL-DNN pour accélérer les opérateurs de réseau neural comme la convolution, la déconvolution et le regroupement sur des instances C5 optimisées par le calcul et prendre en charge l'amélioration de FP16 qui_ optimise les formations de précision mélangée sur les Tensor Cores des GPU NVIDIA Volta V100 alimentant les isntances Amazon EC2 P3. Enfin, MXNet 1.2 comprend un module de format Open Neural Network Exchange (ONNX) pour l'importation de modules ONNX dans l'interface symbolique de MXNet. ONNX est un format ouvert pour la représentation de modèles de deep learning pouvant être utilisés en vue de promouvoir l'interopérabilité entre les environnements de deep learning.
Formation hautes performances à plusieurs GPU avec backend MXNet pour Keras 2
Les AMI de deep learning pré-intègrent le nouveau backend de deep learning Keras-MXNet. Keras est une API hautes performances de réseau neural Python connue pour la création facile et rapide de prototypes de réseaux neuraux convolutionnels (CNN) et récurrents (RNN). Les développeurs Keras peuvent désormais utiliser MXNet comme deep engine de backend pour les formations distribuées de CNN et RNN pour profiter de performances accrues. Les développeurs peuvent concevoir dans Keras, former avec Keras-MXNet et exécuter des inférences avec MXNet dans des environnements de production à grande échelle. Pour en savoir plus, consultez cet article de blog.
Amélioration de la prise en charge de débogage avec MXBoard
Avec MXBoard, un package Python proposant des API pour la journalisation de données MXNet à des fins de visualisation dans TensorBoard, les développeurs déboguer et visualiser en toute simplicité la formation de leur modèle MXNet. MXBoard prend en charge divers types de visualisations, notamment les histogrammes, les filtres convolutionnels, l'intégration visuelle et bien d'autres.
Vous pouvez vous lancer rapidement avec les AMI AWS Deep Learning grâce à notre didacticiel en quatre étapes et grâce au guide du développeur. Les dernières AMI sont désormais disponibles sur l'AWS Marketplace. Abonnez-vous à notre forum de discussion pour recevoir des annonces de lancement et poser vos questions.