建立免費帳戶

Amazon AI 服務將自然語言理解 (NLU)、自動語音辨識 (ASR)、視覺搜尋和影像辨識、文字轉換語音 (TTS) 和機器學習 (ML) 技術帶入每個開發人員的視野中。Amazon 數千名具備深度學習和機器學習知識的專家建立了可高度擴展且經過認可的產品和服務,Amazon AI 服務以此為基礎提供可擴展且經濟實惠的高品質、高準確性 AI 功能。

此外,AWS Deep Learning AMI 提供一種方式讓 AI 開發人員和研究人員能快速輕鬆地開始使用任何一種主要深度學習架構來訓練精密的自訂 AI 模型;試驗新演算法;以及在 AWS 的大量運算基礎設施上學習新的深度學習技能與技巧。


日期 技術會談主題
4 月 10 日
Use Amazon Polly to Create Apps that Talk
4 月 17 日 An Overview of AI on the AWS Platform

Amazon AI 產品策略

我們的 AI 方法包含以 AWS 基礎設施為基礎的三個主要層:

AI 服務:在最高層,對於想要存取 AI 技術但不想訓練或開發自己 ML 模型的開發人員,AWS 提供一系列已預先訓練和預先調整的可高度擴展受管 AI 服務,不需具備任何人工智慧技術或深度學習知識就能開始使用。Amazon Rekognition 適用於影像和臉部分析、Amazon Polly 適用於文字轉換語音,而 Amazon Lex 適用於建立包含自動語音辨識和自然語言理解 (NLU) 功能的聊天機器人。

AI 平台:我們為想利用現有資料專注於建立自訂推論模型的客戶提供一組 AI 平台,這些平台不需要與部署和管理 AI 訓練及模型託管相關的無差別繁重工作。Amazon Machine Learning 服務讓您可以使用自己的資料訓練自訂機器學習模型,無須具備深度的機器學習技術或專業知識。此外,Amazon EMR 上的 Apache Spark 還包含可擴展機器學習演算法的 MLlib。

AI 架構:最後,我們為希望建立精密且最新智慧系統的研究人員和資料科學家提供所有主要 AI 架構支援。Apache MXNet、TensorFlow、Caffe、Theano、Torch、Keras 和 CNTK 等架構可為大規模訓練自訂模型提供彈性的程式設計模型。Amazon LinuxUbuntu 都可使用的 AWS Deep Learning AMI 提供這些預先安裝的架構並設定在便利的 Amazon Machine Image 上,協助您快速輕鬆地開始使用。

AI 基礎設施:Apache MXNet 這類深度學習架構使用的神經網路涉及大量矩陣相乘的程序。Amazon EC2 P2 執行個體提供功能強大的 Nvidia GPU,可大幅加快完成這些運算的速度,因此您可以用少於傳統 CPU 所需的時間訓練模型。經過訓練之後,Amazon EC2 C4 運算優化和 M4 一般用途執行個體非常適合用來在經過訓練的模型執行推論。此外,AWS Lambda 可讓您利用無伺服器機器學習預測簡化操作,而 AWS Greengrass 可讓您跨 AWS 雲端和本機裝置順暢地執行 AI IoT 應用程式。

回到頁首 »


Amazon AI 服務讓每位開發人員都能輕鬆建立可將文字轉換為逼真說話方式的應用程式;使用語音或文字進行交談;以及分析影像以識別臉部、物件和場景。

Amazon Lex

Amazon Lex 使用與 Amazon Alexa 相同的技術提供自動語音辨識 (ASR) 和自然語言理解 (NLU) 的進階深度學習功能,讓您能夠建立包含交談界面的應用程式,通常稱為聊天機器人。

進一步了解 »

Amazon Polly

Amazon Polly 是將文字轉換成逼真說話方式的服務。Polly 可讓您建立超過二十四種語言包含各種不同男性和女性自然發音的應用程式,讓您能夠建立具備語音功能的全新類型產品。

進一步了解 »

Amazon Rekognition

Amazon Rekognition 服務以 Amazon Prime Photos 使用的技術所建立,每天可分析數十億影像,可讓您輕鬆地將影像分析新增到應用程式。您可以使用 Rekognition 偵測影像中的物件、場景和臉部,也可以在影像之間搜尋和比較臉部。

進一步了解 »


針對想利用現有資料建立自訂模型的開發人員,AI 平台免除了與部署和管理 AI 訓練及模型託管相關的無差別繁重工作。

Amazon Machine Learning

Amazon Machine Learning 提供視覺化工具和精靈,引導您完成建立機器學習 (ML) 模型的程序,且無須學習複雜的 ML 演算法和技術。

進一步了解 »

ha_ed_emr-new-2

Amazon EMR 上的 Apache Spark 包含可部署擴展性機器學習演算法的 MLlib,您也可以使用自己的程式庫。透過將資料集存放在記憶體中,Spark 可為機器學習應用程式提供極佳的效能。

進一步了解 »


AWS Deep Learning AMI (可用於 Amazon LinuxUbuntu) 及 AWS Deep Learning CloudFormation 範本可讓您快速地部署和執行任何規模的所有主要深度學習架構。AWS Deep Learning AMI 可讓您為大規模訓練建立受管的自動擴展 GPU 叢集,以及在訓練的模型上執行推論。它已預先安裝 Apache MXNet、TensorFlow、Caffe2 (和 Caffe)、Theano、Torch、CNTK 和 Keras。AWS Deep Learning AMI 由 Amazon Web Services 提供和支援,可在 Amazon EC2 上使用。使用 AWS Deep Learning AMI 無須額外付費 – 您只需支付存放和執行應用程式所需的 AWS 資源費用。

Apache MXNet 是 Amazon 選擇的深度學習架構,而且是我們的 AI 服務平台,也是 Amazon.com 內許多 AI 專案的平台。它是彈性、高效、可攜式且可擴展的深度學習開放原始碼程式庫,支援各種程式設計語言和使用案例的宣告式和指令式程式設計模型。

程式設計能力
Apache MXNet 的特色是後端系統的單一實作與常用運算子搭配多種前端語言的支援,包含 Python、C++、Scala 和 R。由於 Apache MXNet 的架構,無論前端使用何種語言都能維持一致的效能。

可移植性
獨特的記憶體優化讓 Apache MXNet 能夠用於各式各樣的使用案例。利用雲端訓練模型之後,即可部署在節點的連線裝置、手機、瀏覽器、工業用和消費者取向無人機,或是只保留在雲端。

效能
Apache MXNet 本身就支援自動排程部分原始程式碼,這些程式碼可在分散式環境中平行進行。與 Amazon EC2 P2 執行個體搭配使用時,Apache MXNet 應用程式跨 GPU 可擴展高達 91% 的效率,而跨叢集節點可擴展高達 88% 的效率。 

Apache MXNet

TensorFlow 是使用有狀態資料流圖形的數值運算開放原始碼軟體程式庫。

Caffe2 是輕量型、模組化且可擴展的深度學習架構,旨在協助研究人員在行動裝置上訓練大型機器學習模型及交付 AI。

Keras 是以 Python 撰寫而成的高階神經網路程式庫,可在 TensorFlow 或 Theano 之上執行。它透過專注於啟用快速試驗進行開發。 

Microsoft Cognitive Toolkit 是 Microsoft Research 提供的統一深度學習工具組,透過有向圖將神經網路描述為一系列的運算步驟。

Torch 是一種科學運算架構,具有對 GPU 優先的機器學習演算法的廣泛支援。因為使用簡單快速的指令碼語言 LuaJIT,還有基礎 C/CUDA 實作,使得它不僅使用方便而且又有效率。 

Theano 是 Python 程式庫,可讓您有效率地定義、優化和評估與多維度陣列有關的數學表達式。 


Amazon Machine Images 是在 AWS 上快速使用深度學習技術的絕佳方式。AWS Deep Learning AMI 已預先安裝熱門的開放原始碼深度學習架構 (Apache MXNet、TensorFlow、Theano、Torch、CNTK 和 Caffe)、透過預先設定 CUDA 驅動程式進行 GPU 加速,以及 Anaconda 和 Jupyter 等支援工具。

要進一步了解,請參閱 AWS 深度學習 AMI 網站。 

Cloud Formation 範本
AMI

AWS CloudFormation 範本是為大型運算工作 (如訓練深度神經網路) EC2 執行個體擴展多個執行個體的簡單方式。開發人員可使用分散式深度學習 CloudFormation 範本,針對較大型的訓練需求透過深度學習 AMI 執行已擴展、彈性的 P2 或 G2 執行個體叢集。

要進一步了解,請參閱 AWS EC2 運算部落格以取得 CloudFormation 運用於深度學習的相關資訊。