Instâncias Inf1 do Amazon EC2

A inferência de machine learning de alta performance com o menor custo na nuvem

Empresas de vários setores estão buscando transformação com tecnologia de IA para orientar a inovação empresarial, aprimorar a experiência do cliente e processar melhorias. Os modelos de machine learning que alimentam as aplicações de IA estão se tornando cada vez mais complexos, resultando no aumento de custos de infraestrutura de computação básica. Muitas vezes, até 90% do gasto com infraestrutura para desenvolver e executar aplicações de ML é usado na inferência. Os clientes buscam por soluções de infraestrutura econômicas para implantar suas aplicações de ML na produção.

As instâncias Inf1 do Amazon EC2 oferecem inferência de ML de alta performance e o menor custo na nuvem. Elas entregam uma taxa de transferência até 2,3 vezes maior e um custo até 70% menor por inferência em comparação com a atual geração de instâncias do Amazon EC2 baseadas em GPU. As instâncias Inf1 são criadas do zero para dar suporte a aplicações de inferência de machine learning. Elas contam com até 16 chips AWS Inferentia, chips de machine learning de alta performance projetados e fabricados pela AWS. Além disso, as instâncias Inf1 incluem processadores Intel® Xeon® Scalable da segunda geração e redes de até 100 Gbps para entregar inferência com alta taxa de transferência.

Os clientes podem usar instâncias Inf1 para executar aplicações de inferência de machine learning em grande escala, como pesquisa, mecanismos de recomendação, visão computacional, reconhecimento de fala, processamento de linguagem natural, personalização e detecção de fraude pelo menor custo na nuvem.

Os desenvolvedores podem implantar seus modelos de machine learning em instâncias Inf1 usando o AWS Neuron SDK, que está integrada a frameworks conhecidos de machine learning, como TensorFlow, PyTorch e MXNet. Eles podem continuar usando os mesmos fluxos de trabalho de ML e migrar aplicações sem interrupções para instâncias Inf1 com alterações mínimas no código e sem depender de soluções específicas de um fornecedor.

Comece a usar facilmente as instâncias Inf1 com o Amazon SageMaker, AMIs do Amazon Deep Learning que vêm pré-configuradas com o Neuron SDK ou usando o Amazon ECS ou Amazon EKS para aplicações de ML em contêineres.

Instâncias Inf1 do Amazon EC2 baseadas no AWS Inferentia (2:51)

Benefícios

Custo até 70% menor por inferência

Usando instâncias Inf1, os desenvolvedores podem reduzir significativamente o custo de suas implantações de produção de machine learning com o menor custo por inferência na nuvem. A combinação de baixo custo por instância e alta taxa de transferência das instâncias Inf1 entregam um custo por inferência até 70% menor em comparação com a atual geração de instâncias do EC2 baseadas em GPU.

Facilidade de uso e portabilidade de código

O Neuron SDK está integrado a frameworks comuns de machine learning, como TensorFlow, PyTorch e MXNet. Os desenvolvedores podem continuar usando os mesmos fluxos de trabalho de ML e migrar sua aplicação sem interrupções para instâncias Inf1 com alterações mínimas no código. Assim eles têm liberdade para usar o framework de machine learning que preferirem e a plataforma de computação que melhor atenda a seus requisitos. Também podem utilizar as tecnologias mais recentes sem ficarem dependentes de soluções específicas de um fornecedor.

Taxa de transferência até 2,3 vezes maior

As instâncias Inf1 entregam taxa de transferência até 2,3 vezes maior em comparação com a atual geração de instâncias do Amazon EC2 baseadas em GPU. Os chips AWS Inferentia que viabilizam as instâncias Inf1 são otimizados para performance de inferência em lotes de tamanho pequeno, o que permite que as aplicações em tempo real maximizem a taxa de transferência e atendam aos requisitos de latência.

Latência extremamente baixa

Os chips AWS Inferentia são equipados com uma grande memória no chip que permite o armazenamento em cache de modelos de machine learning diretamente no próprio chip. É possível implantar seus modelos usando funcionalidades como o NeuronCore Pipeline, que elimina a necessidade de acessar recursos fora da memória. Com as instâncias Inf1, você pode implantar aplicações de inferência em tempo real a latências quase em tempo real sem afetar a largura de banda.

Suporte para vários modelos de machine learning e tipos de dados

As instâncias Inf1 oferecem suporte a muitas arquiteturas de modelagem de machine learning comumente usadas, como SSD, VGG e ResNext para reconhecimento/classificação de imagens, bem como Transformer e BERT para processamento de linguagem natural. Além disso, o suporte para o repositório de modelos HuggingFace no Neuron oferece aos clientes a capacidade de compilar e executar inferência usando modelos pré-treinados ou detalhadamente ajustados com facilidade. Basta trocar uma única linha de código. Também há suporte para vários tipos de dados, incluindo BF16 e FP16 com precisão mista para uma ampla variedade de modelos e necessidades de performance.

Recursos

Desenvolvido pelo AWS Inferentia

O AWS Inferentia é um chip de machine learning projetado pela AWS para fornecer alta performance com economia. Cada chip AWS Inferentia fornece uma performance de até 128 TOPS (trilhões de operações por segundo) e suporte para os tipos de dados FP16, BF16 e INT8. Os chips AWS Inferentia apresentam uma grande memória interna que pode ser usada para armazenar grandes modelos em cache, o que é especialmente vantajoso para modelos que exigem acesso frequente à memória.

O kit de desenvolvimento de software (SDK) do AWS Neuron consiste em um compilador, driver do tempo de execução e ferramentas de criação de perfil. Ele permite a implantação de modelos complexos de redes neurais, criados e treinados em estruturas de trabalho populares, como TensorFlow, PyTorch e MXNet, para serem executados usando instâncias Inf1. Com o NeuronCore Pipeline do Neuron, você pode dividir modelos grandes para execução em vários chips Inferentia usando uma interconexão física entre chips de alta velocidade, gerando alta taxa de transferência de inferência e custos de inferência reduzidos.

Redes e armazenamento de alta performance

As instâncias Inf1 oferecem até 100 Gbps de taxa de transferência de rede para aplicações que requerem acesso a rede de alta velocidade. A tecnologia de última geração do Elastic Network Adapter (ENA) e do NVM Express (NVMe) proporciona instâncias Inf1 com alta taxa de transferência e interfaces de baixa latência para redes e para o Amazon Elastic Block Store (Amazon EBS).

Baseadas no AWS Nitro System

O AWS Nitro System é uma coleção sofisticada de blocos de criação que transferem muitas das funções tradicionais de virtualização para hardware e software dedicados para entregar altos níveis de performance, disponibilidade e segurança, além de reduzir a sobrecarga da virtualização.

Como funciona

Como usar Inf1 e o AWS Inferentia

Depoimentos de clientes

AirBnB

Fundada em 2008, a Airbnb, com sede em São Francisco, é um mercado comunitário com mais de quatro milhões de hosts que já receberam mais de 900 milhões de visitantes em quase todos os países do mundo.

“A plataforma de suporte à comunidade da Airbnb permite experiências de serviço inteligentes, escaláveis e excepcionais para nossa comunidade de milhões de hóspedes e hosts em todo o mundo. Estamos constantemente procurando maneiras de melhorar a performance de nossos modelos de processamento de linguagem natural que nossas aplicações de chatbot de suporte usam. Com as instâncias Inf1 do Amazon EC2 equipadas com o AWS Inferentia, notamos uma melhoria duas vezes maior na taxa de transferência disponível em relação às instâncias baseadas em GPU para nossos modelos BERT baseados em PyTorch. Esperamos utilizar as instâncias Inf1 para outros modelos e casos de uso no futuro.”

Bo Zeng, gerente de engenharia, AirBnB

Snap Inc
“Incorporamos machine learning (ML) a vários aspectos do Snapchat, e explorar a inovação nesta área é uma prioridade importantíssima. Depois que conhecemos o Inferentia, começamos a colaborar com a AWS para adotar instâncias Inf1/Inferentia para nos ajudar com a implantação de ML, inclusive sobre performance e custo. Começamos com nossos modelos de recomendação e estamos ansiosos para adotar mais modelos com as instâncias Inf1 no futuro.”

Nima Khajehnouri, VP de engenharia, Snap Inc.

Sprinklr
A plataforma Unified Customer Experience Management orientada por IA da Sprinklr (Unified-CXM) permite que as empresas coletem e traduzam o feedback do cliente em tempo real por meio de vários canais em insights acionáveis. Isso resulta em resolução proativa de problemas, aperfeiçoamento do desenvolvimento de produtos, aprimoramento do marketing de conteúdo, melhor atendimento ao cliente e muito mais. Com a instância Inf1 do Amazon EC2, conseguimos melhorar significativamente a performance de um de nossos modelos de processamento de linguagem natural (PNL) e melhorar a performance de um de nossos modelos de visão computacional. Estamos ansiosos para continuar usando a instância Inf1 do Amazon EC2 para melhor atender nossos clientes globais.”

Vasant Srinivasan, VP sênior de engenharia de produto, Sprinklr

Autodesk
“O Autodesk está aprimorando a tecnologia cognitiva do nosso assistente virtual com IA, o Autodesk Virtual Agent (AVA), com o uso do Inferentia. O AVA responde a mais de 100.000 perguntas de clientes por mês empregando técnicas de Natural Language Understanding (NLU – Compreensão da linguagem natural) e de aprendizado profundo para extrair o contexto, a finalidade e o significado das consultas. No projeto piloto do Inferentia, conseguimos alcançar taxas de transferência 4,9 vezes superiores em relação ao G4dn para nossos modelos de NLU, e não vemos a hora de executar mais workloads nas instâncias Inf1 baseadas no Inferentia.”

Binghui Ouyang, cientista de dados sênior, Autodesk

NTT PC

A NTTPC Communications é um provedor de soluções de comunicação e serviços de rede no Japão, líder em telecomunicações na introdução de novos produtos inovadores no mercado de tecnologia da informação e comunicação.

“A NTTPC desenvolveu o “AnyMotion”, um serviço de plataforma API de análise de movimento baseado em modelos avançados de machine learning para estimativa de postura. A NTTPC implantou sua plataforma AnyMotion nas instâncias Inf1 do Amazon EC2 usando o Amazon Elastic Container Service (ECS) para um serviço de orquestração de contêiner totalmente gerenciado. Ao implantar contêineres AnyMotion na instância Inf1 do Amazon EC2, a NTTPC notou que a taxa de transferência aumentou cerca de quatro vezes e meia, a latência de inferência diminuiu 25% e o custo foi reduzido em 90% em comparação com as instâncias do EC2 baseadas em GPU da geração atual. Esses resultados superiores ajudarão a melhorar a qualidade do serviço AnyMotion em grande escala.”

Toshiki Yanagisawa, engenheiro de software, NTT PC Communications Incorporated

Anthem

A Anthem é uma das empresas de prestação de serviços de saúde líderes do mercado, que atende às necessidades de mais de 40 milhões de associados do setor de saúde em vários estados americanos. 

“O mercado de plataformas de saúde digital está crescendo a um ritmo notável. A coleta de inteligência neste mercado é um desafio, devido ao grande volume de dados de opiniões dos clientes e à sua natureza não estruturada. A nossa aplicação automatiza a geração de insights práticos obtidos pelas opiniões dos clientes, por meio de modelos de linguagem natural de aprendizado profundo (Transformers). A aplicação tem um forte componente computacional e precisa ser implantada com alta performance. Implantamos facilmente nossa carga de trabalho de inferência do aprendizado profundo nas instâncias Inf1 do Amazon EC2, com a tecnologia do processador AWS Inferentia. As novas instâncias Inf1 oferecem uma taxa de transferência duas vezes maior para as instâncias baseadas em GPU, e nos permitem agilizar as workloads de inferência.”

Numan Laanait, PhD, cientista-chefe de dados/IA, Anthem
Miro Mihaylov, PhD, cientista-chefe de dados/IA, Anthem

Condé Nast
“O portfólio global da Condé Nast abrange mais de 20 marcas líderes de mídia, incluindo Wired, Vogue e Vanity Fair. Em poucas semanas, nossa equipe conseguiu integrar nosso mecanismo de recomendação com os chips do AWS Inferentia. Essa união permite várias otimizações de tempo de execução para modelos de linguagem natural de última geração nas instâncias Inf1 do SageMaker. Como resultado, observamos uma redução de 72% no custo em relação às instâncias de GPU implantadas anteriormente.”

Paul Fryzel, engenheiro-chefe de infraestrutura de IA, Condé Nast

Ciao
"A Ciao está transformando câmeras de segurança convencionais em câmeras de análise de alto desempenho equivalentes à capacidade de um olho humano. Nosso aplicativo está promovendo o avanço da prevenção de desastres, monitorando condições ambientais por meio de soluções de câmera com IA baseadas na nuvem para emitir alertas antes que a situação evolua para um desastre. Esses alertas permitem reagir precocemente à situação. Com base na detecção de objetos, também podemos fornecer informações estimando o número de clientes chegando sem a presença de funcionários em lojas físicas. A Ciao Camera adotou comercialmente instâncias Inf1 do AWS Inferentia com desempenho de preço 40% superior ao G4dn com YOLOv4. Queremos ter mais de nossos serviços com a instância Inf1 para poder desfrutar de sua eficiência de custos significativa.”

Shinji Matsumoto, engenheiro de software, Ciao Inc.

Asahi Shimbun
“O Asahi Shimbun é um dos jornais diários mais populares do Japão. O Media Lab, um dos departamentos da nossa empresa, tem a missão de pesquisar as tecnologias mais recentes, especialmente de IA e conectar as tecnologias de ponta para novos negócios. Com o lançamento das instâncias do Amazon EC2 Inf1 baseadas no AWS Inferentia em Tóquio, testamos nossa aplicação de resumo de texto com base em PyTorch nessas instâncias. Essa aplicação processa uma grande quantidade de texto e gera manchetes e frases resumidas treinadas em artigos dos últimos 30 anos. Usando o Inferentia, reduzimos os custos em uma ordem de magnitude em relação às instâncias baseadas em CPU. Essa redução significativa nos custos nos permitirá implantar nossos modelos mais complexos em escala, que antes acreditávamos não ser economicamente viável.”

Hideaki Tamori, PhD, administrador sênior, Media Lab, The Asahi Shimbun Company

CS Disco
“A CS Disco está reinventando a tecnologia jurídica como fornecedora líder de soluções de IA para descoberta eletrônica, desenvolvidas por advogados para advogados. O Disco AI acelera a tarefa ingrata de vasculhar terabytes de dados, acelerando os tempos de revisão e melhorando a precisão da revisão ao alavancar modelos complexos de processamento de linguagem natural, que são computacionalmente caros e de custo proibitivo. A Disco descobriu que as instâncias Inf1 baseadas no AWS Inferentia reduzem o custo de inferência no Disco AI em pelo menos 35% em comparação com as instâncias de placa de vídeo atuais. Com base nesta experiência positiva com as instâncias Inf1, a CS Disco vai explorar oportunidades de migração para o Inferentia.”

Alan Lockett, diretor sênior de pesquisa, CS Disco

Talroo
“Na Talroo, oferecemos aos nossos clientes uma plataforma baseada em dados que lhes permite atrair candidatos únicos, para que possam fazer contratações. Estamos constantemente explorando novas tecnologias para garantir que a empresa possa oferecer os melhores produtos e serviços aos seus clientes. Usando o Inferentia, extraímos percepções de um corpo de dados de texto para aprimorar nossa tecnologia de busca e correspondência baseada em IA. A Talroo aproveita as instâncias do Amazon EC2 Inf1 para criar modelos de compreensão de linguagem natural de alto rendimento com o SageMaker. O teste inicial do Talroo mostra que as instâncias do Amazon EC2 Inf1 oferecem latência de inferência 40% menor e taxa de transferência 2X maior em comparação às instâncias baseadas em GPU G4dn. Com base nesses resultados, a Talroo espera usar instâncias Inf1 do Amazon EC2 como parte de sua infraestrutura da AWS.”

Janet Hu, engenheiro de software, Talroo

Digital Media Professionals (DMP)
"A Digital Media Professionals (DMP) visualiza o futuro com uma plataforma ZIA™ baseada em IA (inteligência artificial). As eficientes tecnologias de classificação de visão computacional da DMP são usadas para criar insights sobre os grandes volumes de dados de imagem em tempo real, como observação de condições e prevenção de crimes e de acidentes. Reconhecemos que nossos modelos de segmentação de imagem são executados quatro vezes mais rápido em instâncias Inf1 baseadas em AWS Inferentia em comparação com instâncias G4 baseadas em GPU. Devido a essa maior taxa de transferência e menor custo, o Inferentia nos permite implantar nossas workloads de IA, como aplicações para câmeras de carro em escala.”

Hiroyuki Umeda, diretor e gerente geral, Grupo de marketing e vendas, Digital Media Professionals

Hotpot.ai

A Hotpot.ai capacita profissionais fora da área de design para criar gráficos atraentes, e ajuda os designers profissionais a automatizar as tarefas mecânicas. 

“Como o machine learning é o centro da nossa estratégia, estamos muito interessados em experimentar as instâncias Inf1 baseadas no AWS Inferentia. Consideramos as instâncias Inf1 fáceis de integrar à nossa pipeline de pesquisa e desenvolvimento. O mais importante é que observamos ganhos de performance impressionantes, comparado às instâncias baseadas no G4dn GPU. Com o nosso primeiro modelo, as instâncias Inf1 renderam aproximadamente 45% a mais de taxa de transferência e reduziram em quase 50% os custos por inferência. Pretendemos trabalhar junto à equipe da AWS para implementar outros modelos e transferir a maioria da nossa infraestrutura de inferências de ML para o AWS Inferentia.”

Clarence Hu, fundador da Hotpot.ai

SkyWatch
"A SkyWatch processa centenas de trilhões de pixels de dados de observação da Terra, capturados no espaço todos os dias. A adoção das novas instâncias Inf1 baseadas no AWS Inferentia com o uso do Amazon SageMaker para classificação de qualidade de imagem e detecção na nuvem em tempo real foi rápida e fácil. Foi tudo uma questão de trocar o tipo de instância em nossa configuração de implantação. Trocando os tipos de instância para Inf1 baseada no Inferentia, melhoramos a performance em 40% e reduzimos os custos gerais em 23%. Este foi um grande ganho. Ele nos permitiu reduzir nossos custos operacionais gerais, continuando ao mesmo tempo a oferecer aos nossos clientes uma geração de imagens por satélite de alta qualidade com o mínimo de sobrecarga de engenharia. Esperamos fazer a transição de todos os nossos endpoints de inferência e processos de ML em lotes para o uso de instâncias Inf1, a fim de aprimorar ainda mais a confiabilidade dos nossos dados e a experiência do cliente.”

Adler Santos, gerente de engenharia, SkyWatch

Serviços da Amazon que usam instâncias Inf1 do Amazon EC2

Publicidade da Amazon

O Amazon Advertising ajuda negócios de todos os tamanhos a se conectarem com seus clientes em todos os estágios da jornada de compra. Milhões de anúncios, incluindo texto e imagens, são moderados, classificados e oferecidos para uma experiência ideal do cliente diariamente.

“Para nosso processamento de anúncios em texto, implantamos modelos BETRT baseados em PyTorch globalmente no AWS Inferentia baseado em instâncias Inf1. Ao mover dos GPUs para o Inferentia conseguimos reduzir nosso custo em 69% com performance comparável. Levamos menos de três semanas para compilar e testar nossos modelos para o AWS Inferentia. Ao usar o Amazon SageMaker para implantar nossos modelos para instâncias Inf1 garantimos que nossa implantação fosse escalável e fácil de gerenciar. Quando analisei pela primeira vez os modelos compilados, a performance com o AWS Inferentia foi tão impressionante que não precisei de executar novamente as avaliações para assegurar que estavam corretos! Daqui para frente, planejamos migrar nossos modelos de processamento de anúncios em imagem para o Inferentia. Já avaliamos e observamos uma latência 30% menor e uma economia de custo de 71% em relação a instâncias comparáveis baseadas em GPU para esses modelos.”

Yashal Kanungo, cientista aplicada, Amazon Advertising

Leia o blog de notícias »

Amazon Alexa
“A IA e a inteligência baseada em ML do Amazon Alexa, desenvolvidas com a tecnologia Amazon Web Services, estão disponíveis hoje em mais de 100 milhões de dispositivos, e nossa promessa para os clientes é que a Alexa ficará cada vez mais inteligente, mais conversacional, mais proativa e até mesmo mais prazerosa. “O cumprimento dessa promessa requer aperfeiçoamentos contínuos nos tempos de resposta e nos custos de infraestrutura de machine learning, que é a razão pela qual estamos muito satisfeitos com o uso de instâncias Inf1 do Amazon EC2 para reduzir a latência de inferência e o custo por inferência no recurso de conversão de texto em fala da Alexa. Com as instâncias Inf1 do Amazon EC2, poderemos melhorar o serviço ainda mais para as dezenas de milhões de clientes que usam a Alexa todos os meses.”

Tom Taylor, VP sênior, Amazon Alexa.

“Estamos inovando constantemente para aperfeiçoar nossa experiência do cliente e reduzir nossos custos de infraestrutura. Mudar nossas workloads de perguntas e respostas beseadas na Web (WBQA) de instâncias P3 baseadas em GPU para instâncias Inf1 baseadas no AWS Inferentia não só nos ajudou a reduzir custos de inferência em 60%, como também melhorou a latência ponta a ponta em mais de 40%, ajudando a melhorar a experiência de perguntas e respostas do cliente com a Alexa. Usar o Amazon SageMaker para nosso modelo baseado em Tensorflow tornou o processo de troca para instâncias Inf1 simples e fácil de gerenciar. Agora estamos usando instâncias Inf1 globalmente para executar essas workloads de WBQA e otimizando sua performance para o AWS Inferentia para reduzir ainda mais custo e latência.”

Eric Lind, engenheiro de desenvolvimento de software, Alexa AI.

Amazon Alexa
"O Amazon Rekognition é uma aplicação descomplicada de análise de vídeo e imagem que ajuda o cliente a identificar objetos, pessoas, texto e atividades. O Amazon Rekognition precisa de uma infraestrutura de aprendizado profundo de alta performance que seja capaz de analisar bilhões de imagens e vídeos diariamente para os nossos clientes. Com as instâncias Inf1 baseadas no AWS Inferentia, executar modelos do Rekognition, como classificação de objetos, resultou em latência oito vezes menor e taxa de transferência duas vezes maior em comparação com a execução desses modelos em GPUs. Com base nesses resultados, estamos migrando o Rekognition para Inf1, permitindo que nossos clientes recebam resultados precisos com mais rapidez."
 
Rajneesh Singh, diretor de engenharia de software do Rekognition e Video

Definição de preço

*Os preços mostrados são para a região Leste dos EUA (Norte da Virgínia) da AWS. Os preços das instâncias reservadas para 1 e 3 anos são para as opções de pagamento “pagamento adiantado parcial” ou para as opções de pagamento "sem pagamento adiantado" de instâncias que não têm a opção “adiantado parcial”.

As instâncias Inf1 do Amazon EC2 estão disponíveis nas regiões da AWS Leste dos EUA (Norte da Virgínia) e Oeste dos EUA (Oregon) como instâncias sob demanda, reservadas ou spot.

Conceitos básicos

Usando o Amazon SageMaker

O Amazon SageMaker facilita a compilação e implantação de seu modelo de machine learning treinado na produção em instâncias Inf1 da Amazon para que você possa começar a gerar previsões em tempo real com baixa latência. O AWS Neuron, o compilador do AWS Inferentia, é integrado ao Amazon SageMaker Neo, permitindo que você compile seus modelos de machine learning treinados para serem executados em instâncias Inf1 de maneira ideal. Com o Amazon SageMaker, você pode executar com facilidade seus modelos em clusters de escalabilidade automática de instâncias Inf1, distribuídos em várias zonas de disponibilidade, para entregar inferência em tempo real de alta performance e alta disponibilidade. Saiba como implantar no Inf1 usando o Amazon SageMaker com exemplos no Github.

Usando a AMI do AWS Deep Learning

As AMIs do AWS Deep Learning (DLAMI) disponibilizam a profissionais e pesquisadores de machine learning a infraestrutura e as ferramentas necessárias para acelerar o aprendizado profundo na nuvem em qualquer escala. O SDK AWS Neuron vem pré-instalado nas AMIs do AWS Deep Learning para compilar e executar seus modelos de machine learning de forma ideal nas instâncias Inf1. Para obter orientações sobre como começar a usar, acesse oguia de seleção de AMIs e mais recursos de aprendizado profundo. Consulte o guia de Conceitos básicos do AWS DLAMI para aprender a usar o DLAMI com o Neuron.

Contêineres do AWS Deep Learning

Os desenvolvedores agora podem implantar instâncias Inf1 no Amazon Elastic Kubernetes Service (EKS), que é um serviço Kubernetes totalmente gerenciado, bem como no Amazon Elastic Container Service (ECS), que é um serviço de orquestração de contêineres totalmente gerenciado da Amazon. Saiba mais sobre como começar a usar as instâncias Inf1 no Amazon EKS ou com o Amazon ECS. Mais detalhes sobre a execução de contêineres em instâncias Inf1 estão disponíveis na página do tutorial de ferramentas de contêiner do Neuron. O Neuron também está disponível pré-instalado em contêineres do AWS DL.