Inserito il: Oct 18, 2017
Oggi siamo lieti di annunciare un aggiornamento di AWS Deep Learning AMI.
AWS Deep Learning AMI, che consente di inserire un ambiente completo di deep learning in AWS con un solo clic, ora include il supporto per PyTorch, Keras 1.2 e 2.0, insieme a quello per framework popolari di machine learning come TensorFlow, Caffe2 e Apache MXNet.
Utilizzo di PyTorch per la realizzazione rapida di prototipi
L'AMI ora include PyTorch 0.2.0, che permette agli sviluppatori di creare reti neurali dinamiche in Python, un'ottima soluzione per input dinamici come il testo e le serie temporali. Gli sviluppatori possono iniziare subito con le operazioni di base grazie ai tutorial per principianti e avanzati, anche con la configurazione di una formazione distribuita con PyTorch.
Miglioramento del supporto per Keras
L'AMI ora supporta la versione più recente di Keras, v2.0.8. Per impostazione predefinita, il codice Keras potrà essere eseguito su TensorFlow come back-end; è inoltre possibile passare ad altri back-end supportati come Theano e CNTK. È stata inclusa, inoltre, una versione modificata di Keras 1.2.2 basata sul back-end Apache MXNet, con un miglioramento delle performance della formazione.
Preinstallata e configurata con i framework più recenti
Questa versione dell'AMI include il supporto per le versioni più recenti dei seguenti framework:
- Apache MXNet 0.11.0 con Gluon
- TensorFlow 1.3.0
- Caffe2 0.8.0
- Caffe1.0
- PyTorch 0.2.0
- Keras 2.0.8 con TensorFlow come back-end predefinito
- Keras 1.2.2 (DMLC fork) con MXNet come back-end predefinito
- Theano 0.9.0
- CNTK 2.0
- Torch (branca principale)
Il pacchetto, inoltre dispone delle seguenti librerie preconfigurate con accelerazione via GPU:
- Kit di strumenti CUDA 8.0
- cuDNN 5.1
- Driver NVidia 375.66
- NCCL 2.0
Utilizza Gluon per fare una prova
Infine, ma non meno importante, l'AMI include Gluon, una nuova interfaccia open source di deep learning che permette agli sviluppatori di creare rapidamente e con facilità modelli di machine learning, senza compromettere le prestazioni. Per ulteriori informazioni su Gluon consulta il nostro annuncio del lancio e inizia a utilizzarlo con oltre 50 notebook con codice di esempio.
Puoi lanciare AWS Deep Learning AMI per Ubuntu e Amazon Linux con un unico clic da AWS Marketplace o seguire questa guida dettagliata per iniziare a lavorare al lancio del tuo primo notebook.
Buona modellazione!
—
PS: nota relativa al supporto per Keras.
Puoi cambiare tra Keras 1 e Keras 2 utilizzando l'ambiente virtuale Conda. Keras 2 verrà eseguito come impostazione predefinita; per passare a Keras 1 e al back-end MXNet, usa il seguente comando:
Per utenti Python 2:
source ~/src/anaconda3/bin/activate keras1.2_p2
Per utenti Python 3:
source ~/src/anaconda3/bin/activate keras1.2_p3
Quindi, dall'interno di questo ambiente virtuale, potrai importare ed eseguire Keras 1.2.2 come faresti normalmente:
import keras
Per avere ulteriori informazioni su Conda e le sue interfacce a riga di comando per la gestione degli ambienti virtuali puoi consultare la Guida alle operazioni di base di Conda.