AWS 深度學習 AMI

在預先設定的環境中快速建置可擴展、安全的深度學習應用程式

將分散式機器學習 (ML) 訓練擴展到數千個加速執行個體,同時無縫部署生產推論模型。

使用最新的驅動程式、框架、程式庫和工具,在加速器 (包括 AWS Trainium、AWS Inferentia 和 NVIDIA GPU) 上進行開發。

定期修補自訂和穩定的機器映像,以解決安全性漏洞,從而降低風險。

運作方式

AWS Deep Learning AMI (DLAMI) 為 ML 從業人員和研究人員提供精選且安全的架構、相依項和工具集合,以加速 Amazon EC2 上的深度學習。Amazon Machine Image (AMI) 專為 Amazon Linux 和 Ubuntu 而設計,同時已預先設定 TensorFlow、PyTorch、NVIDIA CUDA 驅動程式和程式庫、Intel MKL、Elastic Fabric Adapter (EFA) 和 AWS OFI NCCL 外掛程式,讓您能夠快速部署並大規模執行這些架構和工具。

圖表顯示如何使用 AWS 管理主控台、AWS 命令列介面 (CLI)、AWS SDK、AWS API 或本地終端或應用程式指令碼來啟動 DLAMI

使用案例

自動駕駛汽車開發

大規模開發進階 ML 模型,並使用數百萬個支援的虛擬測試來驗證模型,以安全地部署自動駕駛汽車 (AV) 技術。

自然語言處理

加快安裝及設定 AWS 執行個體的速度,並透過最新的架構和程式庫加速進行試驗和評估,包括 Hugging Face 轉換器。

醫療保健資料分析

使用進階分析、ML 和深度學習功能,從不同的原始醫療保健資料中識別趨勢並進行預測。

加速的模型訓練

DLAMI 透過預先設定的驅動程式、Intel Math Kernel Library (MKL)、Python 套件和 Anaconda 平台,提供最新的 NVIDIA GPU 加速。

客戶成功案例

Bazaarvoice

Cimpress 長期投資並建立以客戶為尊、富於企業家精神、大規模的印刷定製業務。Cimpress 讓客戶可以輕鬆且實惠地為其客戶、組織或親人留下深刻印象。無論是擴大企業品牌影響的推廣材料,還是慶祝誕生的宣傳材料,Cimpress 都能兼顧客戶的個人化需求與實物產品的實際影響力。

「Cimpress 使用 AWS Deep Learning AMI 迅速設定和部署我們的機器學習環境。DLAMI 降低了我們的營運開銷,而我們可以專注於訓練和部署我們的深度學習模型,用於電腦視覺和生成式 AI 的核心工作,從而使我們的產品更快上市。」

Cimpress 首席軟體工程師 Ajay Joshi

Bazaarvoice

Flip AI 是首個 GenAI 原生可觀測性平台,不僅與資料和平台無關,還了解所有可觀測性模式 (包括指標、事件、日誌和追蹤),並在幾秒鐘內產生預測性分析和事件根本原因分析。

「在 Flip AI,我們已針對 DevOps 訓練自己的 LLM,以對生產事件進行偵錯,進而協助企業達到最高水準的客戶體驗。這項訓練需要可輕鬆自訂的高效能設定。使用 DLAMI,我們無需使用 CUDA 驅動程式或 Pytorch 相關優化來進行戰鬥。它真是表現優異。改善 GPU 使用率百分比意味著我們能夠更高效地訓練模型,並且在推論期間只需消耗幾十毫秒。」

Flip AI 技術長 Sunil Mallya

如何開始使用

了解如何加速您的模型訓練

了解 DLAMI 如何加快您的開發和模型訓練。

探索 AMI

為您的專案選取最適合的 AMI 和執行個體類型。

進行實作訓練

開始使用 10 分鐘教學課程進行建置。


探索更多 AWS 服務