Amazon Web Services ブログ

Amazon Elastic Inference 向けの新しい MXNet 1.4 のリリースには、Java および Scala のサポートが含まれています。Apache MXNet は、ディープニューラルネットワークの構築、訓練、およびデプロイメントに使用されるオープンソースの深層学習フレームワークです。Amazon Elastic Inference (EI) は、Amazon EC2 および Amazon SageMaker インスタンスに低コストの GPU 駆動のアクセラレーションをアタッチできるようにするサービスです。Amazon EI は、深層学習推論の実行コストを最大 75% 削減します。この記事では、MXNet および Elastic Inference アクセラレーター (EIA) を使って Java で推論を実行する方法について説明します。 Amazon EC2 での Amazon Elastic Inference のセットアップ Amazon EI アクセラレーターがアタッチされた EC2 インスタンスを開始するには、AWS アカウントのセットアップ時にいくつかの事前設定ステップが必要になります。必要なものはすべて、セットアップツールを使用して簡単に開始することができます。または、Amazon Elastic Inference ドキュメントにある手順に従って、アクセラレーターでインスタンスを起動することもできます。ここでは、基本的な Ubuntu Amazon Machine Image (AMI) […]

Amazon は Elastic Fabric Adapter (EFA) を re:Invent 2018 で発表し、その時点でプレビュー形式で利用できるようにしました。プレビュー中、AWS のお客様はさまざまな密結合した HPC ワークロードに EFA を活用し、貴重なフィードバックを提供し、最終製品の微調整に役立ちました。 今すぐ利用可能 本日、EFA が複数の AWS リージョンで実稼働の準備が整ったことをお知らせします。従来の TCP 通信で可能であったものよりも、より高いスループットがあり、より低くより一貫したネットワークレイテンシーを必要とする、要求の厳しい HPC ワークロードをサポートする準備が整いました。今回の発表により、 AWS Cloud の規模、柔軟性、および弾力性を密結合した HPC アプリに適用できます。それをどう活用されるかの話を聞くのがとても楽しみです。たとえば、ハードウェアやネットワークを事前に予約しなくても、何千もの計算ノードにスケールアップできます。 EFA のすべて Elastic Fabric Adapter は、機能を追加した AWS Elastic Network Adapter (ENA) です (ENA について詳しくは、Elastic Network Adapter – Amazon EC2 のための高性能ネットワークインターフェイスを参照してください)。EFA は依然として IP トラフィックを処理できますが、一般的に OS バイパスと呼ばれる重要なアクセスモデルもサポートします。このモデルでは、オペレーティングシステムを各メッセージに関与させることなく、アプリケーションが (最も一般的には一部のユーザースペースミドルウェアを介して) […]

AWS re:Invent 2018 で発表された Amazon SageMaker Ground Truth は Amazon SageMaker の機能であり、機械学習システムのトレーニングに必要なデータセットの効率的で高精度なラベル付けをお客様が簡単に行えるようにします。 Amazon SageMaker Ground Truth の簡単なまとめ Amazon SageMaker Ground Truth は、機械学習用の高精度なトレーニングデータセットをすばやく構築するお手伝いをします。SageMaker Ground Truth を使用すると、パブリックおよびプライベートでラベル付けを行う人間の作業者への簡単なアクセスと、一般的なラベル付けタスクのための組み込みのワークフローとインターフェースが提供されます。さらに、SageMaker Ground Truth は自動データラベル付けを使用してラベル付けのコストを最大 70% 削減します。自動データラベル付けは、人間がラベルを付けたデータから Ground Truth をトレーニングし、サービスが独自にデータにラベルを付けることを学習することによって機能します。 Amazon SageMaker Ground Truth は以下のデータセットの構築をお手伝いします。 テキスト分類。 画像分類 (画像を特定のクラスに分類する)。 物体検出 (画像内の物体の位置をバウンディングボックスとともに取得)。 セマンティックセグメンテーション (ピクセル精度で画像内の物体の位置を取得)。 文字通りお客様が何でも注釈を付けることができるカスタムのユーザー定義タスク。 ラベラーのチームを使用して、ラベル付けの要求を直接ラベラーにルーティングすることを選択できます。あるいは、スケールアップが必要な場合は、組織外のラベラーと連携するためのオプションが Amazon SageMaker Ground Truth コンソールに直接表示されます。Amazon Mechanical Turk との統合により、50 […]

香港に AWS リージョンがオープンし、今すぐご利用を開始していただけるようになりました。このリージョンの正式名はアジアパシフィック (香港) で、API 名は ap-east-1 です。AWS アジアパシフィック (香港) リージョンは、北京、ムンバイ、寧夏、ソウル、シンガポール、シドニー、および東京に続く、アジアパシフィックおよび中国本土内 8 番目のアクティブ AWS リージョンです。このローンチに伴い、AWS は世界各国 21 の地理的地域における 64 のアベイラビリティーゾーンに広がりました。また、12 の追加アベイラビリティーゾーンと、バーレーン、ケープタウン、ジャカルタ、およびミラノの 4 つの追加 AWS リージョンの計画も発表されました。 インスタンスとサービス この 3-AZ リージョンで実行されるアプリケーションは、C5、C5d、D2、I3、M5、M5d、R5、R5d、および T3 インスタンスを使用でき、Amazon API Gateway、Application Auto Scaling、AWS Certificate Manager (ACM)、AWS Artifact、AWS CloudFormation、Amazon CloudFront、AWS CloudTrail、Amazon CloudWatch、CloudWatch Events、Amazon CloudWatch Logs、AWS CodeDeploy、AWS Config、AWS Config ルール、AWS Database Migration Service、AWS Direct Connect、Amazon […]

現代の高度にデジタル化された職場であっても、ドキュメントは多くの場合、金融サービスを含めて、企業のワークフローで手作業によって処理されています。 Bloomberg および x.ai からのチームによって設立された Alkymi は、こうした面倒で間違いが発生しやすい作業を合理化する自動化を推進しています。Amazon SageMaker でホストされている深層学習モデルを使用して、Alkymi は非構造化データのパターンと関係を特定し、ドキュメントを実行可能なデータに統合します。  これにより、企業は自動化に対する頑固な障壁を取り除くことで、プロセスにおいて数十億ドルを節約できる可能性があります。 Alkymi は、AWS を主な AI/ML プラットフォームとして利用しています。Alkymi の CEO である Harald Collet 氏は「当社では、AI を適用して人間の理解力を必要とするドキュメントに関するタスクを自動化しています。AWS を使用することで、金融サービスの顧客が必要とするセキュリティとスケーラビリティを備えた新しい機能を迅速に開始することができます」と述べています。  Alkymi がドキュメント、E メール、画像を取り込むと、プラットフォームはさまざまな AWS のサービスを使用してデータ抽出およびデータ入力タスクを自動化します。  「AWS によって、プラットフォームを拡張し、あらゆる規模の顧客に対応することができます。Amazon SageMaker は、モデルを実稼働に向けてトレーニングおよびデプロイする方法をデータサイエンティストに提供することによって、当社の開発プロセスを改善しました」と、Alkymi の CTO である Steven She 氏は言います。 Alkymi のデータパイプラインは、Amazon Elastic Container Service (ECS) でホストされている REST API を介して、または Amazon Simple Email Service (SES) によって受信した E […]

 AWS DeepRacer は、相当量のオンボードハードウェアおよびソフトウェアを搭載した 1/18 スケールの 4 輪駆動車です。re:Invent 2018 から始めて AWS Global Summit を続けると、DeepRacer を実際に体験することができます。これらのイベントでは、強化学習を使ってモデルをトレーニングしてから、それをトラックの周りで競争させることができます。各サミットで最速のレーサーとそのラップタイムは、リーダーボードに示されます。 新しい DeepRacer League Virtual Circuit 本日、AWS DeepRacer League Virtual Circuit を発売します。強化学習モデルをオンラインで構築、トレーニング、および評価し、素晴らしい賞品を獲得するためにオンラインで競争できます。これらはすべて DeepRacer コンソールから快適に行うことができます。 世界中の有名なレーストラックからインスピレーションを得て、新しいトラックを毎月追加します。そのため自分のモデルを洗練し、スキルセットを広げることができます。毎月リーダーボードのトップレーサーは AWS re:Invent 2019 への費用支払いパッケージを獲得し、ノックアウト方式で行われる DeepRacer リーグに参加して、チャンピオンカップへの出場権を獲得するチャンスがあります! 新しい DeepRacer コンソール 現在 DeepRacer コンソールは米国東部 (バージニア北部) リージョンで利用できます。これを使用して、強化学習の実践的な経験を実際に積みながら、DeepRacer モデルを構築およびトレーニングし、仮想サーキットで競争することができます。実践的な DeepRacer のワークショップで使用されている DeepRacer Lab の手順に従って、コンソールを開いて [はじめに] をクリックするところから始めます。 コンソールからモデルトレーニングプロセスの概要の説明があった後、モデルのトレーニングと評価に必要な AWS リソースの作成を求められます。情報を確認して、[リソースの作成] をクリックして先に進みます。 […]

信頼は素晴らしいものであり、ほとんどすべてのビジネスおよび個人的な関係や取引の基礎です。場合によって、信頼は長期間にわたって構築され、取引が成功するたびに強化され、関係の不可欠な部分と見なされます。他の状況では、信頼を蓄積する時間がないため、代わりに他のメカニズムを使用する必要があります。当事者は、信頼がない場合に取引を正常に完了する方法を見つけなければなりません。現在、Hyperledger Fabric や Ethereum などの新興のブロックチェーン技術がこの重要なニーズを満たし、当事者が提案された取引の有効性に関して合意に達し、信頼が存在しない場合に各取引の改変不可能なデジタル記録 (一般に元帳と呼ばれる) を作成することを可能にします。 Amazon Managed Blockchain AWS re:Invent 2018 で Amazon Managed Blockchain を発表し、プレビューへのサインアップをご案内しました。プレビューが完了し、Amazon Managed Blockchain が米国東部 (バージニア北部) リージョンで本稼働用に利用できるようになったことをお知らせいたします。Hyperledger Fabric オープンソースフレームワークを使用したスケーラブルなブロックチェーンネットワークを作成するために使用することができます。Ethereum については準備中です。すぐにわかるように、ほんの数分でネットワークを構築できます。一度作成すると、ブロックチェーンネットワークを簡単に管理および維持することができます。証明書を管理し、新しいメンバーを招待し、トランザクションをより迅速に処理するためにピアノードのキャパシティをスケールアウトすることができます。 Amazon Managed Blockchain で作成したブロックチェーンネットワークは複数の AWS アカウントにまたがることができるため、中央機関なしでメンバーのグループがトランザクションを実行してデータを共有することができます。新しいメンバーは、トランザクション要求を処理して台帳のコピーを保存するピアノードを簡単に起動および設定することができます。 Amazon Managed Blockchain の使用 AWS マネジメントコンソール、AWS コマンドラインインターフェイス (CLI) (aws managedblockchain create-network)、または API (CreateNetwork) から、独自のスケーラブルブロックチェーンネットワークを作成することができます。開始するには、Amazon Managed Blockchain コンソールを開き、[Create a network] をクリックします。 ネットワークのエディション (スターターまたは標準) を選択する必要があります。スターターエディションは、テストネットワークおよび小規模の本稼働ネットワーク用に設計されており、ネットワークあたり最大 […]

昨年、私は Use an AWS Transit Gateway to Simplify Your Network Architecture というブログ記事を書きました。その時、以下のように書きました: VPC 、Active Directory 、共有サービス、およびその他のリソースが複数の AWS アカウントにまたがっている場合であっても、既存の VPC 、データセンター、リモートオフィス、リモートゲートウェイをマネージドトランジットゲートウェイ に接続し、ネットワークのルーティングとセキュリティを完全に制御することが可能です。ネットワークアーキテクチャ全体を簡素化し、運営のオーバーヘッドを削減し、そしてセキュリティを含む外部接続の重要な側面を集中管理する能力を得ることができます。最後に重要な事として、トランジットゲートウェイを使用して既存のエッジ接続を統合し、単一の入口または出口のポイントで転送することが可能です。 その記事の中で、私は AWS Direct Connect のサポートも約束しました。そして、このサポートが米国東部 (バージニア北部)、米国東部 (オハイオ)、米国西部 (北カリフォルニア)、米国西部 (オレゴン) の各リージョンで利用できるようになったことをお知らせいたします。AWS クラウドで実行しているアプリケーションは、Direct Connect 接続ごとに最大 10 Gbps の速度で相互に、またオンプレミスアプリケーションとも通信できるようになりました。設定は数分で可能であり (既に 1 Gbps 以上で動作している専用接続またはホスト接続があると想定)、すぐに使い始めることができます。 まとめると、今日のローンチから多くの重要な利点が得られます。 単純化 – 複数の VPC、リージョン、AWS アカウントにまたがるハブアンドスポークモデルを作成することで、ネットワークアーキテクチャとネットワーク管理のオーバーヘッドを単純化できます。このルートを利用すると、使用する AWS VPN 接続の数を減らすことができます。 統合 – 専用接続またはホスト接続の数を減らし、コストを削減し、プロセスの複雑さを回避することができます。すべての接続が同じ BGP セッションを流れるように接続を統合することができます。 […]

本日は、Amazon SageMaker Object2Vec の 4 つの新機能を紹介いたします。ネガティブサンプリング、スパース勾配更新、重み共有、比較演算子のカスタマイズです。Amazon SageMaker Object2Vec は、汎用のニューラル埋め込みアルゴリズムです。Object2Vec についてまだ良く知らない場合は、ブログ記事 Amazon SageMaker Object2Vec の概要を参照してください。この記事は、この新機能 (Object2Vec を使用して、ドキュメント埋め込みを学習する) の一部として追加された 4 つのノートブックの例へのリンクを使用して、アルゴリズムの概要を説明します。また、技術的な詳細を提供するドキュメンテーションページ Object2Vec アルゴリズムへのリンクも提供します。これらの新機能には、Amazon SageMaker コンソールからアルゴリズムのハイパーパラメータとして、そして高レベルの Amazon SageMaker Python API を使用して、アクセスすることができます。 このブログ記事では、以下の新機能のそれぞれについて説明し、それがどのように顧客の問題点をターゲットにしているかを示します。 ネガティブサンプリング: 以前は、ポジティブにラベル付けされたデータだけが使用可能であるユースケース (この記事の後半で説明しているドキュメント埋め込みのユースケースなど) では、データ前処理の一部として手動でネガティブサンプリングを実装する必要がありました。新しいネガティブサンプリング機能により、Object2Vec は観測される可能性が低いデータを自動的にサンプリングし、トレーニング中にこのデータをネガティブとラベル付けします。 スパース勾配更新: 以前は、アルゴリズムのトレーニング速度はマルチ GPU に対応して拡張することができず、入力語彙サイズが大きくなるにつれて遅くなりました。これは、デフォルトでは、勾配のほとんどの行がゼロ値であっても MXNet オプティマイザがフル勾配を計算するためです。そのため、不要な計算が行われるだけでなく、マルチ GPU 設定での通信コストも増加します。スパース勾配更新を使用する Object2Vec は、パフォーマンスを低下させることなくシングル GPU トレーニングを高速化します。さらに、トレーニング速度はマルチ GPU でさらに向上させることができ、現在は語彙サイズとも無関係になっています。 重み共有: Object2Vec には、2 つの入力ソースからのデータをエンコードするために、それぞれ独自のトークン埋め込みレイヤーを持つ 2 つのエンコーダーがあります。両方のソースが同じトークンレベルのユニットの上に構築されているユースケースでは、トークン埋め込みレイヤーを共同でトレーニングすることは一般的なやり方です (深層学習コミュニティでは、重み共有と呼んでいます)。新しい重み共有機能により、このオプションが提供されます。 […]

AWS のお客様は、S3 の規模、耐久性、低コスト、セキュリティ、およびストレージのオプションを利用して、個々の Amazon Simple Storage Service (S3) バケットに何十億にも及ぶオブジェクトを定期的に保存しています。お客様は、イメージ、ビデオ、ログファイル、バックアップ、およびその他のミッションクリティカルなデータを保存し、データストレージ戦略の重要な部分として S3 を使用しています。 バッチオペレーション 今回は、Amazon S3 バッチオペレーションについて説明したいと考えています。この新機能を使用すると、数百、数百万、または数十億の S3 オブジェクトを簡単かつ直接的に処理することができます。オブジェクトを別のバケットにコピーしたり、タグを設定したり、アクセスコントロールリスト (ACL) を設定したり、Glacier から復元を開始したり、それぞれに対して AWS Lambda 関数を呼び出したりすることができます。 この機能は、インベントリレポート (詳細については、S3 ストレージ管理の更新記事を読んでください) に対する S3 の既存のサポートに基づいており、レポートまたは CSV ファイルを使用してバッチオペレーションを推進できます。コードを記述したり、サーバーフリートを設定したり、作業を分割してフリートに配信する方法を考えたりする必要はありません。代わりに、数回のクリックでジョブを数分で作成し、S3 がひそかに大規模な並列処理を行うことができます。S3 コンソール、S3 CLI、または S3 API を使用して、バッチジョブを作成、モニタリング、および管理できます。 簡単な語彙レッスン バッチジョブを開始して作成する前に、いくつかの重要な用語を確認して紹介します。 バケット – S3 バケットは、オプションの各オブジェクトのバージョニングを使用して、任意の数の S3 オブジェクトのコレクションを保持します。 インベントリレポート – 毎日または毎週のバケットインベントリが実行されるたびに S3 インベントリレポートが生成されます。レポートは、バケット内のすべてのオブジェクトを含めるように、またはプレフィックスで区切られたサブセットに焦点を合わせるように設定できます。 マニフェスト – バッチジョブで処理されるオブジェクトを識別するリスト (インベントリレポート、または CSV […]