AWS Deep Learning Containers
Déployer rapidement vos environnements Deep Learning grâce à des images de conteneurs optimisées et préintégrées
Déployez des environnements de deep learning en quelques minutes grâce à des images Docker prépackagées et entièrement testées.
Améliorez automatiquement les performances grâce à un entraînement de modèle optimisé pour des cadres populaires tels que TensorFlow, PyTorch et Apache MXNet.
Ajoutez rapidement le machine learning (ML) en tant que microservice à vos applications exécutées sur Amazon EKS et Amazon EC2.
Créez des flux de travail de ML personnalisés pour l'entraînement, la validation et le déploiement grâce à l'intégration avec Amazon SageMaker, Amazon EKS et Amazon ECS.
Fonctionnement
Les conteneurs AWS Deep Learning sont des images Docker préinstallées et testées avec les dernières versions des cadres de deep learning les plus populaires. Les conteneurs Deep Learning vous permettent de déployer rapidement des environnements ML personnalisés sans avoir à créer et optimiser vos environnements à partir de zéro.
Cas d'utilisation
Déploiement de véhicules autonomes (AV)
Développez des modèles de ML avancés à grande échelle pour déployer la technologie de véhicules autonomes (AV) en toute sécurité et rapidement au sein de vos environnements.
Traitement du langage naturel (NLP)
Réduisez le temps nécessaire au déploiement de vos modèles de ML et accélérez le délai de mise en production grâce à des cadres et des bibliothèques actualisés, notamment Hugging Face Transformers.
Analyse de données pour les soins de santé
Analysez des données de santé brutes et disparates avec des fonctionnalités d'analytique avancée, de ML et de deep learning pour identifier les tendances et faire des prédictions.
Comment démarrer
Consulter d'autres ressources
Consultez la documentation et les didacticiels des conteneurs Deep Learning.
Démarrer votre essai gratuit
Obtenez un accès instantané à l'offre gratuite d'AWS.
Participer aux formations pratiques
Démarrez avec des conteneurs Deep Learning sur Amazon EC2.