使用預先封裝且經過全面測試的 Docker 映像檔,在幾分鐘內部署深度學習環境。
針對 TensorFlow、PyTorch 和 Apache MXNet 等流行框架訓練最佳化模型,以自動提高效能。
將機器學習 (ML) 作為微型服務,快速加入在 Amazon EKS 和 Amazon EC2 上執行的應用程式中。
藉助與 Amazon SageMaker、Amazon EKS 和 Amazon ECS 整合,建置用於訓練、驗證和部署的自訂 ML 工作流程。
運作方式
AWS Deep Learning Container 是預先安裝的 Docker 映像檔,並使用最新版本的常見深度學習框架進行測試。Deep Learning Container 允許您快速部署自訂 ML 環境,而無需從頭建置和優化環境。
![圖表顯示 AWS Deep Learning Container 如何協助使用者部署自訂 ML 環境並與其他 AWS ML 產品整合](https://d1.awsstatic.com/products/deep-learning-containers/Product-Page-Diagram_Deep-Learning-Containers%402x.919096ee16db59874173dd00f4615b4303804b79.png)
使用案例
自動駕駛汽車 (AV) 開發
大規模開發進階 ML 模型,以安全快速地在您的環境內部署 AV 技術。
自然語言處理 (NLP)
縮短部署 ML 模型所需的時間,並透過最新的架構和程式庫加速投入生產,包括 Hugging Face 轉換器。
醫療保健資料分析
使用進階分析、ML 和深度學習功能分析不同的原始醫療保健資料,以識別趨勢並進行預測。