AWS 深層学習コンテナ

最適化され、事前にパッケージ化されたコンテナイメージを使用して深層学習環境をすばやくセットアップ

AWS 深層学習コンテナ (AWS DL コンテナ) は、深層学習フレームワークがプリインストールされた Docker イメージです。環境の構築と最適化をゼロから行う面倒なプロセスをスキップして、カスタムの機械学習環境をすばやく簡単にデプロイできます。AWS DL コンテナでは TensorFlow と Apache MXNet がサポートされています。PyTorch やその他の深層学習フレームワークも近日中にサポートされる予定です。AWS DL コンテナは、Amazon Elastic Container Service for Kubernetes (Amazon EKS)、セルフマネージド型の Kubernetes、Amazon Elastic Container Service (Amazon ECS)、Amazon EC2 にデプロイ可能です。このコンテナは、Amazon Elastic Container Registry (Amazon ECR) と AWS Marketplace から無料で入手できます。料金は使用したリソースに対してのみ発生します。このチュートリアルで開始する >>

Docker コンテナは、複数の環境で一貫して動作するカスタムの ML 環境をデプロイする一般的な方法です。ただし、深層学習向けのコンテナイメージの構築とテストは困難で、エラーが発生しやすく、ソフトウェアの依存関係とバージョンの互換性の問題のために何日もかかる場合があります。そのようなイメージには、複数インスタンスからなるクラスター全体に ML ワークロードを分散し、効率的にスケールするための最適化も必要ですが、これには特殊な専門知識が求められます。フレームワークのアップデートがリリースされるたびに、このプロセスを繰り返す必要があります。これらすべては画一的で面倒な作業であり、開発者の貴重な時間を奪い、革新のペースを落としてしまいます。

AWS DL コンテナでは、人気のある深層学習フレームワークの最新バージョンとそれに必要なライブラリがプリインストールされ、テストも完了した Docker イメージが提供されます。AWS DL コンテナは、ML ワークロードを AWS の複数インスタンスからなるクラスターに効率的に分散させるよう最適化された状態で提供されるため、優れた性能とスケーラビリティがすぐに得られます。

AWS 深層学習コンテナのご紹介

メリット

すぐに構築を開始できる

事前にパッケージ化された Docker イメージを使用すると、深層学習環境を数分でデプロイできます。イメージには、必要になる深層学習フレームワークのライブラリ (現時点では TensorFlow と Apache MXNet) とツールが含まれ、そのすべてがテスト済みです。モニタリング、コンプライアンス、データ処理を高度に制御するために、イメージに独自のライブラリやツールを追加することも簡単に行えます。 詳しくは、AWS 深層学習コンテナイメージをご覧ください。

最も優れた性能が自動的に得られる

AWS DL コンテナには、TensorFlow や Apache MXNet といった人気のフレームワークの最新バージョンに対して AWS による最適化や機能向上が施されています。また、クラウドでのトレーニングと推論で最高の性能を発揮させるためのライブラリも含まれています。例えば、AWS による TensorFlow の最適化によって、GPU スケーリングが大幅に向上し、最大 2 倍の速さでモデルをトレーニングできます。

Kubernetes アプリケーションに機械学習をすばやく追加する

AWS DL コンテナは、Amazon EC2 での Kubernetes と連携するよう構築されています。Amazon EC2 を使用して Kubernetes にアプリケーションをデプロイしておけば、AWS DL コンテナを使用して、機械学習をマイクロサービスとしてそれらのアプリケーションにすばやく追加できます。

機械学習ワークフローを簡単に管理できる

AWS DL コンテナは Amazon EKS および Amazon ECS と緊密に統合されているため、トレーニング、検証、デプロイのために機械学習のカスタムワークフローを構築する選択肢と柔軟性が得られます。この統合によって、仮想マシンのクラスターに AWS DL コンテナをデプロイし、スケールするために必要なコンテナオーケストレーションが、Amazon EKS と Amazon ECS によってすべて処理されます。

AWS DL コンテナでは TensorFlow と Apache MXNet がサポートされています。PyTorch やその他のフレームワークも近日中にサポートされる予定です。

TensorFlow
TensorFlow のサポート
Apache MXNet
Apache MXNet のサポート

お客様

Wix

「深層学習コンテナによって速度が 20% 向上しました。以前は、データサイエンティストが開発したモデルを本番にデプロイするのに必要な作業のために、市場投入スピードが低下していました。データサイエンティストは通常 AWS 深層学習 AMI を使って作業しており、デプロイチームの方は Docker コンテナを本番環境で使用していました。リサーチと本番環境との同等性を確保するために時間がかかり、ミスが発生しがちでした。AWS 深層学習コンテナを使用するようになって、最適化され、安定している同一の TensorFlow 環境を、リサーチやトレーニングから本番環境までのパイプライン全体で使えるようになりました」


Accenture

「Accenture では、データサイエンティストが、電気通信や資源産業などのさまざまな分野にわたって、コンピュータビジョンと自然言語処理での深層学習アプリケーションを構築することにより、クライアントのためのイノベーションを進めています。行動力のある当社のチームは、Docker コンテナを使ってモデルのトレーニングとデプロイを迅速に進めています。ただ、深層学習のフレームワークとライブラリを使用したコンテナイメージを何度も作成し、管理することが、当社のスピードに影響していました。互換性や依存関係の問題に突き当たると、何日もの貴重な時間が奪われてしまうのです。今では、深層学習コンテナを使用することで、AWS 向けに性能が最適化され、即座に動作するコンテナイメージを利用できています」 


Patch'd

「Patchd では、深層学習を早発型敗血症の検出に使用しています。当社では Docker コンテナを、既存の深層学習パイプラインの効率を 10 倍高め、何百ものモデルを簡単にテストするための高速かつ柔軟な手段となるものだと見なしています。それでも、データサイエンスとエンジニアリングの貴重な時間を、深層学習向け Docker 環境のセットアップや最適化に使ってしまいたくはありません。深層学習コンテナを使えば、最適化された TensorFlow 環境を数分で、コストをかけずにセットアップできます」

ブログ投稿と記事

New – AWS Deep Learning Containers
2019 年 3 月 27 日
 
 
Best Practices for Optimizing Distributed Deep Learning Performance on Amazon EKS
2019 年 5 月 1 日
 
AWS の Microsoft Workloads
2019 年 4 月 4 日
 
 
Product-Page_Standard-Icons_01_Product-Features_SqInk
製品情報を見る

AWS DL コンテナの詳細を見る。

詳細 
無料の AWS アカウントにサインアップ
無料のアカウントにサインアップ

AWS 無料利用枠にすぐにアクセスできます。 

サインアップ 
深層学習コンテナを使用した構築を開始する
コンソールで構築を開始する

Amazon EC2 の AWS DL コンテナの使用を開始します。

今すぐ試す