อินสแตนซ์ Amazon EC2 P3

เร่งความเร็ว Machine Learning และแอปพลิเคชันการประมวลผลประสิทธิภาพสูงด้วย GPU ที่ทรงพลัง

บริษัทชั้นนำ เช่น Airbnb, Salesforce และ Western Digital ใช้อินสแตนซ์ Amazon EC2 P3 เพื่อเพิ่มพลังให้กับ Machine Learning และแอปพลิเคชันการประมวลผลประสิทธิภาพสูง
อินสแตนซ์ Amazon EC2 P3 นำเสนอการประมวลผลประสิทธิภาพสูงสุดในระบบคลาวด์ โดยช่วยประหยัดค่าใช้จ่าย รองรับเฟรมเวิร์ก Machine Learning หลักๆ ทั้งหมด และมีความพร้อมใช้งานในทั่วโลก
อินสแตนซ์ Amazon EC2 P3 ขับเคลื่อนโดย NVIDIA Tesla V100 GPU รุ่นล่าสุดจำนวนสูงสุดถึง 8 ตัว โดยจะมอบประสิทธิภาพที่มีความแม่นยำแบบผสมสูงสุด 1 เพตะฟล็อบต่ออินสแตนซ์ เพื่อเร่งความเร็วให้กับ Machine Learning และแอปพลิเคชันการประมวลผลประสิทธิภาพสูงได้อย่างมีนัยสำคัญ อินสแตนซ์ Amazon EC2 P3 ได้รับการพิสูจน์แล้วว่าสามารถลดระยะเวลาการฝึกฝน Machine Learning จากหลายวันเป็นไม่กี่นาที รวมทั้งยังลดเวลาการแสดงผลลัพธ์สำหรับการประมวลผลประสิทธิภาพสูงด้วย

ReInvent_HA_P3_EDITORIAL
88% ของโปรเจ็กต์ TensorFlow บนคลาวด์เรียกใช้บน AWS
ในรายงานนี้ Nucleus Research ได้เปิดเผยห้าเหตุผลที่ผู้ปฏิบัติงานด้าน Deep Learning ควรเลือก AWS สำหรับ Deep Learning แทนที่จะเลือกผู้ให้บริการคลาวด์รายอื่น

รับชม: เรียนรู้เพิ่มเติมเกี่ยวกับอินสแตนซ์ Amazon EC2 P3 และดูวิธีที่ Airbnb ใช้ในอินสแตนซ์นี้ในการเพิ่มพลังให้กับแอปพลิเคชัน Machine Learning (48:08 นาที)
AWS re:Invent 2017: ขอนำเสนออินสแตนซ์ Amazon EC2 P3

สิทธิประโยชน์

ลดเวลาในการฝึกฝน MACHINE LEARNING จากหลายวันเหลือเพียงไม่กี่นาที

สำหรับ Data Scientist นักวิจัย และ Developer ซึ่งต้องการเพิ่มความเร็วให้กับแอปพลิเคชัน ML อินสแตนซ์ ​Amazon EC2 P3 คือการประมวลผลด้วย GPU ที่ทรงพลังที่สุดที่พร้อมให้บริการในระบบคลาวด์ อินสแตนซ์ Amazon EC2 P3 ประกอบด้วย NVIDIA Tesla V100 GPU รุ่นล่าสุดจำนวนสูงสุดถึง 8 รุ่น และจะมอบประสิทธิภาพที่มีความแม่นยำแบบผสมสูงสุด 1 เพตะฟล็อบ เพื่อเร่งความเร็วให้กับปริมาณงาน ML การฝึกฝนโมเดลที่รวดเร็วขึ้นสามารถทำให้ Data Scientist และวิศวกร Machine Learning ฝึกฝนโมเดลจำนวนมากซ้ำๆ ได้รวดเร็วขึ้น และเพิ่มความแม่นยำได้อีกด้วย

 

โซลูชันที่ประหยัดค่าใช้จ่ายมากที่สุดในอุตสาหกรรม

อินสแตนซ์ Amazon EC2 P3 นำเสนอแผนราคาที่หลากหลายซึ่งจะช่วยให้คุณประหยัดค่าใช้จ่ายได้ตามความต้องการ  นอกเหนือจากอินสแตนซ์ตามความต้องการซึ่งคุณต้องชำระเงินสำหรับอินสแตนซ์ที่เรียกใช้ คุณยังสามารถซื้ออินสแตนซ์แบบเหมาจ่ายในราคาที่ประหยัดขึ้นมาก โดยจะเป็นอินสแตนซ์ที่มีความพร้อมใช้งานเสมอในระยะเวลาตั้งแต่หนึ่งถึงสามปี คุณยังสามารถใช้อินสแตนซ์ Spot ที่ใช้ประโยชน์จากอินสแตนซ์ EC2 ที่ไม่ได้ใช้งาน ซึ่งจะช่วยลดค่าใช้จ่ายสำหรับ Amazon EC2 ได้อย่างมาก

การประมวลผลที่มีประสิทธิภาพสูง ทรงพลัง และยืดหยุ่น

การเรียกใช้การประมวลผลประสิทธิภาพสูงบนอินสแตนซ์ Amazon EC2 P3 ต่างจากระบบในสถานที่ โดยจะนำเสนอความจุที่ไม่จำกัดแบบเสมือนเพื่อเพิ่มขนาดโครงสร้างพื้นฐานและเพิ่มความยืดหยุ่นในการเปลี่ยนแปลงทรัพยากรได้อย่างง่ายดาย และทำได้บ่อยครั้งมากเท่าที่ปริมาณงานของคุณต้องการ คุณสามารถกำหนดค่าทรัพยากรให้ตรงกับความต้องการของแอปพลิเคชัน และเปิดใช้คลัสเตอร์ HPC ได้ในเพียงไม่กี่นาที โดยจะต้องชำระแค่จำนวนที่คุณใช้งาน

ผสานการทำงานกับบริการ AWS Machine Learning

อินสแตนซ์ Amazon EC2 P3 ทำงานร่วมกับ Amazon SageMaker อย่างราบรื่นเพื่อมอบแพลตฟอร์ม Machine Learning ที่ทรงพลังและครอบคลุมสมบูรณ์ Amazon SageMaker เป็นแพลตฟอร์ม Machine Learning ที่ได้รับการจัดการอย่างครบครันซึ่งจะทำให้คุณสามารถสร้าง ฝึกฝน และปรับใช้โมเดลของ Machine Learning ได้อย่างรวดเร็วและง่ายดาย นอกจากนี้อินสแตนซ์ Amazon EC2 P3 สามารถผสานรวมเข้ากับ AWS Deep Learning Amazon Machine Images (AMI) ซึ่งได้รับการติดตั้งไว้ล่วงหน้าในเฟรมเวิร์ก Deep Learning ยอดนิยม เพื่อให้เริ่มต้นการฝึกฝนและอนุมานได้ง่ายขึ้น

รองรับเฟรมเวิร์กหลักทั้งหมดของ Machine Learning

อินสแตนซ์ Amazon EC2 P3 รองรับเฟรมเวิร์ก Machine Learning หลักทั้งหมด ซึ่งรวมถึง TensorFlow, PyTorch, Apache MXNet, Caffe, Caffe2, Microsoft Cognitive Toolkit (CNTK), Chainer, Theano, Keras, Gluon และ Torch ผู้ใช้สามารถเลือกเฟรมเวิร์กที่เหมาะสมกับแอปพลิเคชันมากที่สุด

การฝึกฝน Machine Learning หลายโหนดที่ปรับขนาดได้

ลูกค้าสามารถใช้อินสแตนซ์ EC2 P3 ที่หลากหลายเพื่อฝึกฝนโมเดล Machine Learning ได้อย่างรวดเร็ว คุณสามารถกำหนดค่าคลัสเตอร์พื้นที่จัดเก็บและคลัสเตอร์การประมวลผลเพื่อให้คลัสเตอร์พื้นที่จัดเก็บทำการจัดเก็บชุดข้อมูลการฝึกฝนและการตรวจสอบความถูกต้อง รวมทั้งยังมีหน้าที่ส่งผ่านข้อมูลไปยังคลัสเตอร์การประมวลผล ในขณะที่คลัสเตอร์การประมวลผลจะดำเนินการส่งต่อ แพร่กระจายกลับ และอัพเดทน้ำหนัก

เรื่องราวของลูกค้า

200x100_AirBNB_Logo

Airbnb ใช้ Machine Learning เพื่อปรับประสิทธิภาพการแนะนำการค้นหา และปรับปรุงแนวทางการตั้งค่าแบบไดนามิกสำหรับโฮสต์ ซึ่งทั้งสองอย่างได้นำไปสู่การเปลี่ยนแปลงในจำนวนการจองที่เพิ่มมากขึ้น เมื่อใช้อินสแตนซ์ Amazon EC2 P3 แล้ว Airbnb ก็มีความสามารถในการเรียกใช้ปริมาณงานการฝึกฝนได้รวดเร็วขึ้น สามารถทำซ้ำได้มากขึ้น สร้างโมเดล Machine Learning ที่ดีขึ้น รวมทั้งลดค่าใช้จ่ายได้

salesforce_logo_200x100

Salesforce ใช้ Machine Learning เพื่อเพิ่มพลังให้กับ Einstein Vision ซึ่งทำให้ Developer ควบคุมพลังการจดจำภาพสำหรับกรณีใช้งาน เช่น การค้นหาภาพ การตรวจจับแบรนด์ และการระบุตัวตนผลิตภัณฑ์ อินสแตนซ์ Amazon EC2 P3 ช่วยให้ Developer สามารถฝึกฝนโมเดล Deep Learning ได้รวดเร็วขึ้นมาก ซึ่งทำให้พวกเราสามารถบรรลุเป้าหมายเกี่ยวกับ Machine Learning ได้รวดเร็ว

western-digital_200x100

Western Digital ใช้การประมวลผลประสิทธิภาพสูง (HPC) เพื่อเรียกใช้การจำลองหลายหมื่นรายการสำหรับวิทยาศาสตร์วัสดุ การไหลของความร้อน แม่เหล็ก และการโอนย้ายข้อมูลเพื่อปรับปรุงดิสก์ไดรฟ์ รวมทั้งประสิทธิภาพและคุณภาพของโซลูชันพื้นที่จัดเก็บ ตามการทดสอบก่อนหน้านี้ อินสแตนซ์ Amazon EC2 P3 ช่วยให้ทีมวิศวกรรมเรียกใช้การจำลองได้รวดเร็วกว่าโซลูชันที่ใช้งานก่อนหน้านี้มากขึ้นอย่างน้อยสามเท่า  

schrodinger-200x100

Schrodinger ใช้การประมวลผลประสิทธิภาพสูง (HPC) เพื่อพัฒนาโมเดลการคาดคะเนเพื่อขยายขนาดของการสำรวจและการเพิ่มประสิทธิภาพ รวมทั้งยังมอบความสามารถให้ลูกค้านำยาที่จะช่วยชีวิตผู้คนเข้าสู่ตลาดได้เร็วขึ้นด้วย อินสแตนซ์ Amzon EC2 P3 ช่วยให้ Schrodinger ดำเนินการจำลองได้มากขึ้นสี่เท่าต่อวัน เมื่อเทียบกับอินสแตนซ์ P2  

อินสแตนซ์ Amazon EC2 P3 และ Amazon SageMaker

วิธีที่รวดเร็วที่สุดในการฝึกฝนและเรียกใช้โมเดล Machine Learning

Amazon SageMaker คือบริการที่ได้รับการจัดการอย่างสมบูรณ์ซึ่งใช้ในการสร้าง ฝึกฝน และนำโมเดล Machine Learning ไปใช้งาน เมื่อใช้งานร่วมกับอินสแตนซ์ Amazon EC2 P3 ลูกค้าจะสามารถปรับขนาด GPU นับสิบ ร้อย และพันหน่วย เพื่อฝึกฝนโมเดลในทุกขนาดได้อย่างรวดเร็วโดยไม่ต้องเป็นกังวลเกี่ยวกับการตั้งค่าคลัสเตอร์และไปป์ไลน์ของข้อมูล คุณยังสามารถเข้าถึงทรัพยากร Amazon Virtual Private Cloud (VPC) สำหรับการฝึกฝนและโฮสต์ขั้นตอนการทำงานได้อย่างง่ายดายใน Amazon SageMaker ด้วยคุณสมบัตินี้ คุณจะสามารถใช้บัคเก็ต Amazon Simple Storage Service (S3) ซึ่งจะเข้าถึงได้ผ่าน VPC เท่านั้น เพื่อจัดเก็บข้อมูลการฝึกฝน รวมทั้งจัดเก็บและโฮสต์แบบจำลองโมเดลที่ได้รับมาจากขั้นตอนการฝึกฝนด้วย นอกเหนือจาก S3 โมเดลยังเข้าถึงทรัพยากร AWS อื่นๆ ทั้งหมดที่รวมอยู่ใน VPC ได้อีกด้วย เรียนรู้เพิ่มเติม

สร้าง

Amazon SageMaker จะทำให้สามารถสร้างโมเดล Machine Learning และเตรียมโมเดลให้พร้อมสำหรับการฝึกได้อย่างง่ายดายโดยการจัดหาทุกอย่างที่คุณต้องการเพื่อให้เชื่อมต่อกับข้อมูลการฝึกของคุณได้อย่างรวดเร็ว และเพื่อให้เลือกและปรับใช้อัลกอริธึมและเฟรมเวิร์กที่ดีที่สุดสำหรับแอปพลิเคชันของคุณ Amazon SageMaker จะรวม Jupyter Notebook ที่เป็นโฮสต์ที่จะทำให้สามารถสำรวจและแสดงภาพข้อมูลการฝึกของคุณที่เก็บไว้ใน Amazon S3 ได้อย่างง่ายดาย  คุณยังสามารถใช้อินสแตนซ์โน้ตบุ๊คในการเขียนโค้ดเพื่อสร้างงานการฝึกฝนโมเดล นำโมเดลไปใช้กับการโฮสต์ Amazon SageMaker และทดสอบหรือตรวจสอบความถูกต้องของโมเดล

ฝึกฝน

คุณสามารถเริ่มการฝึกโมเดลของคุณได้ด้วยการคลิกเพียงครั้งเดียวบนคอนโซลหรือด้วยการเรียกใช้ API ง่ายๆ ครั้งเดียว Amazon SageMaker ได้รับการกำหนดค่าล่วงหน้าด้วย TensorFlow และ Apache MXNet เวอร์ชันล่าสุด พร้อมด้วยการสนับสนุนไลบรารี CUDA9 เพื่อประสิทธิภาพที่ดีที่สุดเมื่อใช้งานกับ NVIDIA GPU นอกจากนี้การปรับประสิทธิภาพแบบไฮเปอร์พารามิเตอร์ยังปรับแต่งโมเดลของคุณแบบอัตโนมัติโดยการปรับการผสมผสานของพารามิเตอร์โมเดลที่แตกต่างกันอย่างอัจฉริยะ เพื่อทำให้เกิดการคาดคะเนที่ถูกต้องแม่นยำมากที่สุด สำหรับความต้องการในขนาดที่ใหญ่กว่า คุณสามารถปรับขนาดเป็นอินสแตนซ์ 10 รายการเพื่อรองรับการสร้างโมเดลที่รวดเร็วขึ้นได้

ปรับใช้

หลังจากการฝึกฝน คุณสามารถนำโมเดลไปใช้กับอินสแตนซ์ EC2 แบบปรับขยายอัตโนมัติใน Availability Zone ต่างๆ ได้ในคลิกเดียว เมื่ออยู่ในระหว่างการทำงาน Amazon SageMaker จะจัดการโครงสร้างพื้นฐานการประมวลผลแทนคุณ เพื่อดำเนินการตรวจสอบคุณภาพการทำงาน นำแพตช์การรักษาความปลอดภัยข้อมูลไปใช้ และปฏิบัติการบำรุงรักษาตามกำหนดการอื่นๆ ทั้งหมดด้วยการตรวจสอบและการบันทึก Amazon CloudWatch ในระบบ

 

อินสแตนซ์ Amazon EC2 P3 และ AWS Deep Learning AMI

การกำหนดค่าสภาพแวดล้อมการพัฒนาล่วงหน้าเพื่อเริ่มต้นการสร้างแอปพลิเคชัน Deep Learning อย่างรวดเร็ว

AWS Deep Learning AMI คือทางเลือกเพื่อใช้แทน Amazon SageMaker สำหรับ Developer ผู้มีข้อกำหนดแบบปรับแต่งเองมากกว่า โดยจะมอบโครงสร้างพื้นฐานและเครื่องมือต่างๆ ให้แก่ผู้ปฏิบัติงานและนักวิจัยด้าน Machine Learning เพื่อเร่ง Deep Learning ในระบบคลาวด์ทุกขนาด คุณสามารถเปิดใช้อินสแตนซ์ Amazon EC2 P3 ที่ติดตั้งไว้ล่วงหน้าได้อย่างรวดเร็วโดยใช้เฟรมเวิร์ก Deep Learning ยอดนิยม เช่น TensorFlow, PyTorch, Apache MXNet, Microsoft Cognitive Toolkit, Caffe, Caffe2, Theano, Torch, Chainer, Gluon และ Keras ในการฝึกโมเดล AI แบบกำหนดเองที่ซับซ้อนซึ่งทดสอบด้วยอัลกอริธึมใหม่ หรือในการเรียนรู้ทักษะและเทคนิคใหม่ เรียนรู้เพิ่มเติม

อินสแตนซ์ Amazon EC2 P3 และการประมวลผลประสิทธิภาพสูง

แก้ไขปัญหาการประมวลผลขนาดใหญ่และรับข้อมูลเชิงลึกโดยใช้พลังของ HPC บน AWS

อินสแตนซ์ Amazon EC2 P3 คือแพลต์ฟอร์มที่สมบูรณ์แบบสำหรับการเรียกใช้การจำลองทางวิศวกรรม การเงินเชิงคำนวณ การวิเคราะห์คลื่นไหวสะเทือน การแสดงรูปแบบโมเลกุล จีโนมิกส์ การสร้างภาพ และปริมาณงานการประมวลผล GPU อื่นๆ การประมวลผลประสิทธิภาพสูง (HPC) ช่วยให้นักวิทยาศาสตร์และวิศวกรสามารถแก้ปัญหาที่ซับซ้อนและเน้นการประมวลผลเหล่านี้ได้ แอปพลิเคชัน HPC มักต้องการเครือข่ายที่มีประสิทธิภาพสูง การจัดเก็บที่รวดเร็ว หน่วยความจำปริมาณมาก ความสามารถในการประมวลผลสูง หรือทั้งหมดที่กล่าวมา AWS ช่วยให้คุณสามารถเพิ่มความเร็วในการค้นคว้าและลดเวลาในการได้ผลลัพธ์ลงโดยการเรียกใช้ HPC ในระบบคลาวด์ และโดยการปรับขนาดให้มีงานที่ทำพร้อมกันมีจำนวนมากกว่าที่ทำได้ในสภาพการทำงานในสถานที่ส่วนใหญ่ AWS ช่วยลดค่าใช้จ่ายโดยการจัดเตรียมโซลูชันซึ่งมีการเพิ่มประสิทธิภาพสำหรับแอปพลิเคชันเฉพาะ และไม่จำเป็นต้องมีการลงทุนจำนวนมาก เรียนรู้เพิ่มเติม

รายละเอียดผลิตภัณฑ์อินสแตนซ​์ Amazon EC2 P3

ขนาดของอินสแตนซ์ GPU – Tesla V100 GPU ในเครือข่ายระดับเดียวกัน หน่วยความจำ GPU (GB) vCPU หน่วยความจำ (GB) แบนด์วิธเครือข่าย แบนด์วิธ EBS ราคาตามต้องการ/ชม.* การใช้งานอินสแตนซ์แบบเหมาจ่ายรายชั่วโมงแบบคุ้มค่าเป็นระยะเวลา 1 ปี* การใช้งานอินสแตนซ์แบบเหมาจ่ายรายชั่วโมงแบบคุ้มค่าเป็นระยะเวลา 3 ปี*
p3.2xlarge 1 ไม่มี 16 8 61 สูงสุด 10 Gbps 1.5 Gbps

3.06 USD

1.99 USD

1.23 USD

p3.8xlarge 4 NVLink 64 32 244 10 Gbps 7 Gbps

12.24 USD

7.96 USD

4.93 USD

p3.16xlarge 8 NVLink 128 64 488 25 Gbps 14 Gbps

24.48 USD

15.91 USD

9.87 USD

*ราคาที่แสดงไว้สำหรับ Linux/Unix ในภูมิภาค AWS ของสหรัฐอเมริกาฝั่งตะวันออก (เวอร์จิเนียตอนเหนือ) สำหรับรายละเอียดราคาทั้งหมด โปรดดูหน้าราคา Amazon EC2 

ลูกค้าสามารถซื้ออินสแตนซ์ P3 ในรูปแบบอินสแตนซ์ตามต้องการ อินสแตนซ์แบบเหมาจ่าย อินสแตนซ์ Spot และโฮสต์แบบเฉพาะเจาะจงได้

การเก็บค่าบริการตามวินาที

หนึ่งในข้อดีหลายประการของการประมวลผลในระบบคลาวด์คือความยืดหยุ่นในการจัดสรรและยกเลิกการจัดสรรทรัพยากรตามความต้องการ เมื่อเรียกเก็บค่าบริการเป็นวินาที ลูกค้าก็จะมีความยืดหยุ่นเพิ่มขึ้น ประหยัดได้มากขึ้น และช่วยให้ลูกค้าปรับประสิทธิภาพการจัดสรรทรัพยากรเพื่อบรรลุเป้าหมายด้าน Machine Learning ได้

ราคาอินสแตนซ์แบบเหมาจ่าย

อินสแตนซ์แบบเหมาจ่ายให้ส่วนลดคุณค่อนข้างสูง (สูงสุด 75%) เมื่อเทียบกับราคาอินสแตนซ์แบบตามต้องการ นอกจากนี้ เมื่อมีการจัดอินสแตนซ์แบบเหมาจ่ายให้ Availability Zone จะมีการจัดเตรียมการสำรองพื้นที่ให้ ซึ่งเป็นการเพิ่มความมั่นใจว่าคุณสามารถเปิดใช้งานอินสแตนซ์ได้เมื่อคุณต้องการ

การกำหนดราคาแบบ SPOT

เมื่อใช้อินสแตนซ์ Spot คุณจะจ่ายเงินตามราคา Spot ที่มีผลในช่วงเวลาที่อินสแตนซ์ของคุณกำลังทำงานอยู่ อินสแตนซ์ Spot จะกำหนดโดย Amazon EC2 และค่อยๆ ปรับตามแนวโน้มระยะยาวของอุปสงค์และอุปทานของความจุอินสแตนซ์ Spot อินสแตนซ์ Spot มีให้บริการที่ส่วนลดสูงสุดถึง 90% เมื่อเทียบกับราคาตามต้องการ

ความพร้อมใช้งานระดับสากลในวงกว้างที่สุด

1856-Updated Map Image-P3 Instances-transparentBG_1024x543

อินสแตนซ์ Amazon EC2 P3 พร้อมให้บริการในภูมิภาค AWS 14 ภูมิภาค ดังนั้นลูกค้าก็จะมีความยืดหยุ่นในการฝึกฝนและนำโมเดล Machine Learning ไปใช้ได้ในทุกที่ที่จัดเก็บข้อมูล ภูมิภาค AWS ที่ EC2 P3 พร้อมให้บริการ คือ สหรัฐอเมริกาฝั่งตะวันออก (เวอร์จิเนียเหนือ), สหรัฐอเมริกาฝั่งตะวันออก (โอไฮโอ), สหรัฐอเมริกาฝั่งตะวันตก (ออริกอน), แคนาดา (ภาคกลาง), ยุโรป (ไอร์แลนด์), ยุโรป (แฟรงเฟิร์ต), ยุโรป (ลอนดอน), เอเชียแปซิฟิก (โตเกียว), เอเชียแปซิฟิก (โซล), เอเชียแปซิฟิก (ซิดนีย์), เอเชียแปซิฟิก (สิงคโปร์), จีน (ปักกิ่ง), จีน (หนิงเซี่ย) และ GovCloud (US)

เริ่มต้นใช้งานอินสแตนซ์ Amazon EC2 P3 สำหรับ Machine Learning

หากต้องการเริ่มต้นใช้งานได้ในไม่กี่นาที โปรดดูข้อมูลเพิ่มเติมเกี่ยวกับ Amazon SageMaker หรือใช้ AWS Deep Learning AMI ซึ่งติดตั้งไว้ล่วงหน้าในเฟรมเวิร์ก Deep Learning ยอดนิยม เช่น Caffe2 และ Mxnet หรือคุณยังสามารถใช้ NVIDIA AMI ซึ่งมาพร้อมกับไดรเวอร์ GPU และชุดเครื่องมือ CUDA

เรียนรู้เพิ่มเติมเกี่ยวกับ Amazon SageMaker

คลิกที่นี่เพื่อเรียนรู้เพิ่มเติม

เรียนรู้เพิ่มเติมเกี่ยวกับ Deep Learning ใน AWS

คลิกที่นี่เพื่อเรียนรู้เพิ่มเติม

เรียนรู้เพิ่มเติมเกี่ยวกับการประมวลผลประสิทธิภาพสูง (HPC)

คลิกที่นี่เพื่อเรียนรู้เพิ่มเติม
พร้อมเริ่มต้นใช้งานหรือยัง
ลงชื่อสมัครใช้งาน
มีคำถามเพิ่มเติมหรือไม่
ติดต่อเรา