Container di apprendimento profondo AWS

Configura rapidamente ambienti di apprendimento profondo con immagini di container pre-pacchettizzate e ottimizzate.

Gli AWS Deep Learning Containers (anche detti “AWS DL container”) sono immagini Docker preinstallate con framework di deep learning che semplificano la distribuzione di ambienti di machine learning (ML) personalizzati in modo rapido poiché ti consentono di saltare il complicato processo di creazione e ottimizzazione di ambienti ex novo. Gli AWS DL Containers supportano TensorFlow, PyTorch e Apache MXNet. Puoi distribuire gli AWS DL Containers su Amazon SageMaker, Amazon Elastic Kubernetes Service (Amazon EKS), Kubernetes auto-gestito su Amazon EC2 e Amazon Elastic Container Service (Amazon ECS). I container sono disponibili attraverso Amazon Elastic Container Registry (Amazon ECR) e AWS Marketplace senza costi aggiuntivi: verranno addebitati solo i costi relativi alle risorse effettivamente utilizzate. Guarda questotutorial per iniziare oggi stesso.

I container Docker sono uno strumento molto utilizzato per distribuire ambienti di ML personalizzati eseguibili stabilmente in ambienti multipli. Tuttavia, sviluppare e testare immagini di container per l’apprendimento profondo può risultare complicato, rischioso e dispendioso in termini di tempo a causa delle dipendenze dei software e ad eventuali problemi di compatibilità di versione. Inoltre è necessario ottimizzare tali immagini per distribuire e scalare carichi di lavoro ML in modo efficiente attraverso un cluster di istanze, che richiede competenze specializzate. Tale processo dev’essere ripetuto al momento del rilascio di nuovi aggiornamenti del framework. Tutte le operazioni di cui sopra rappresentano un pesante fardello per gli sviluppatori, costretti a sottrarre tempo ed energie all’elaborazione di soluzioni innovative.

Gli AWS DL container forniscono immagini Docker preinstallate e testate con le ultime versioni dei framework di apprendimento profondo più utilizzati e le librerie necessarie allo scopo. Gli AWS DL container sono ottimizzati per distribuire in modo efficiente carichi di lavoro ML su cluster di istanze in AWS, in modo da garantire ottime prestazioni ed elevata scalabilità senza tempi di attesa.

Introduzione ai container di apprendimento approfondito di AWS

Vantaggi

Inizia subito a sviluppare

Utilizza immagini Docker pre-pacchettizzate per distribuire ambienti di deep learning in pochi minuti. Le immagini contengono le librerie (attualmente TensorFlow, PyTorch e Apache MXNet) e gli strumenti per i framework di deep learning necessari e sono completamente testate. Puoi aggiungere le tue librerie e i tuoi strumenti in corrispondenza di tali immagini con la massima semplicità per ottenere un grado di controllo più elevato in termini di monitoraggio, conformità ed elaborazione dei dati. Per ulteriori informazioni visita la pagina dei container di apprendimento profondo AWS.

Ottieni automaticamente il rendimento migliore

Gli AWS DL container presentano miglioramenti e ottimizzazioni AWS alle ultime versioni dei framework più utilizzati, come TensorFlow, PyTorch e Apache MXNet, e delle librerie più comuni per garantire le migliori prestazioni in termini di formazione e inferenza all’interno del cloud. Per esempio, le ottimizzazioni di AWS TensorFlow consentono ai modelli di eseguire la formazione a un ritmo fino a due volte più veloce attraverso una scalabilità GPU sensibilmente migliorata.

Integra rapidamente il machine learning nelle applicazioni Kubernetes

Gli AWS DL container sono sviluppati per essere compatibili con Kubernetes in Amazon EC2. Se disponi di applicazioni distribuite su Kubernetes con Amazon EC2, puoi rapidamente integrare il machine learning come micro-servizio aggiuntivo tramite gli AWS DL container.

Gestisci con facilità i flussi di lavoro di machine learning

Gli AWS DL container sono strettamente integrati con Amazon SageMaker, Amazon EKS e Amazon ECS, garantendoti spazio e flessibilità per sviluppare flussi di lavoro personalizzati per il machine learning in termini di formazione, convalida e distribuzione. Grazie a tale integrazione, Amazon EKS e Amazon ECS gestiscono l’intera organizzazione dei container necessaria alla distribuzione e al ridimensionamento degli AWS DL container nei cluster delle macchine virtuali.

Gli AWS DL Containers supportano TensorFlow, PyTorch e Apache MXNet.

TensorFlow
Supporto per TensorFlow
PyTorch
Support per PyTorch
Apache MXNet
Supporto per Apache MXNet

Clienti

Wix

“I container di apprendimento profondo migliorano la nostra velocità di esecuzione del 20%. In precedenza, il tempo di commercializzazione era piuttosto lungo a causa della necessità di distribuire modelli sviluppati in produzione da data scientist. Di norma i data scientist lavoravano con le AMI di apprendimento profondo AWS e il nostro team di sviluppo adoperava container Docker in produzione. Cercare di garantire parità di risultati a livello di ricerca e ambienti di produzione era dispendioso e rischioso. Adesso grazie agli AWS DL container possiamo utilizzare lo stesso ambiente TensorFlow stabile e ottimizzato per tutta la nostra pipeline: dalla ricerca alla produzione, passando per la formazione”.


Accenture

“Qui ad Accenture i data scientist creano soluzioni innovative per conto dei nostri clienti sviluppando applicazioni di apprendimento profondo nella visione artificiale e nell’elaborazione del linguaggio naturale su una serie di domini diversificati, tra cui le telecomunicazioni e le industrie minerarie. Il nostro team procede con rapidità e adoperiamo container Docker per formare e distribuire a ritmo sostenuto. La nostra velocità di esecuzione viene rallentata a causa della necessità di creare ripetutamente e mantenere immagini di container con librerie e framework di apprendimento profondo, operazioni che talvolta costano all’azienda giorni preziosi di lavoro, soprattutto in presenza di problemi di compatibilità e dipendenza. Adesso, grazie agli AWS DL container, abbiamo accesso a immagini di container già pronte all’uso che garantiscono prestazioni ottimizzate su AWS”. 


Patch’d

“Qui a Patch’d utilizziamo l’apprendimento profondo per rilevare l’insorgenza precoce della sepsi. Consideriamo i container Docker come uno strumento per decuplicare la potenza delle nostre pipeline di apprendimento profondo, in quanto ci consentono di operare più velocemente e con maggiore flessibilità e, di conseguenza, di testare centinaia di modelli ancor più facilmente. L’ultima cosa che vogliamo è sottrarre ai nostri ingegneri e data science del tempo prezioso da dedicare alla configurazione e all’ottimizzazione degli ambienti Docker per l’apprendimento profondo. Grazie ai container DL possiamo configurare ambienti TensorFlow ottimizzati nel giro di pochi minuti senza alcun costo aggiuntivo”.

Post e articoli sul blog

Novità – Container di apprendimento profondo AWS
27 marzo 2019
 
 
Best practice per l'ottimizzazione delle prestazioni di Deep Learning distribuito su Amazon EKS
01 maggio 2019
 
Carichi di lavoro GPU su AWS Batch
04 aprile 2019
 
 
Maggiori informazioni sui Deep Learning container
Scopri le caratteristiche del prodotto

Ulteriori informazioni sugli AWS DL container

Ulteriori informazioni 
Registrati per creare un account gratuito AWS
Registrati per creare un account gratuito

Ottieni accesso istantaneo al piano gratuito di AWS. 

Registrati 
Inizia subito a sviluppare con i Deep Learning container
Inizia a lavorare con i tutorial

Inizia a usare gli AWS DL container in Amazon EC2.

Prova ora