AWS Deep Learning Containers

利用經過最佳化預先封裝的容器映像檔,快速設定深度學習環境

AWS Deep Learning Containers (AWS DL Containers) 是連同深度學習架構一併預先安裝的 Docker 映像檔,讓您可以略過從頭建置及最佳化環境的複雜流程,輕鬆部署自訂機器學習 (ML) 環境。AWS DL Containers 支援 TensorFlow、PyTorch 和 Apache MXNet。您可以在 Amazon Sagemaker、Amazon Elastic Kubernetes Service (Amazon EKS)、自行管理的 Kubernetes on Amazon EC2 與 Amazon Elastic Container Service (Amazon ECS) 上部署 AWS DL Containers。容器可透過 Amazon Elastic Container Registry (Amazon ECR) 和 AWS Marketplace 免費取得,僅需支付您所使用之各項資源的費用。立即開始這個教學

Docker 容器經常用來部署在多個環境下一致執行的自訂 ML 環境。但是建置和測試適用於深度學習的容器映像檔相當困難、容易出錯,甚至可能耗費數日時間,這是因為軟體存在相依性和版本相容性問題。這些映像檔還必須予以最佳化,才能有效分散及擴展 ML 工作負載至執行個體叢集,這些都需要專門專業知識。發佈架構更新時,這個流程就必須重複執行一次。這無疑是個繁重的工作,不但佔去寶貴的開發時間,也會拖慢您的創新腳步。

AWS DL Containers 提供的 Docker 映像檔會與常見的深度學習架構最新版本及其所需的程式庫一起預先安裝,而且都已經過測試。AWS DL Containers 經過最佳化,可將 ML 工作負載有效分散在 AWS 上的執行個體叢集中,讓您立即獲得高效能和可擴展性。

AWS Deep Learning Containers 簡介

優勢

立即開始建置

使用預先封裝的 Docker 映像檔,在幾分鐘內完成部署深度學習環境。這些映像檔包含所需的深度學習架構程式庫 (目前是 TensorFlow、PyTorch 和 Apache MXNet) 和工具,並且經過徹底測試。您可以輕鬆在這些映像檔之上加入自己的程式庫和工具,以便對監控、合規和資料處理有更高的控制權。 如需詳細資訊,請參閱 AWS Deep Learning Container 映像檔

自動獲得最佳效能

AWS DL Containers 包括 AWS 針對常見架構 (如 TensorFlow、PyTorch 和 Apache MXNet) 和程式庫最新版本所提供的最佳化和改進,這些功能可在雲端中為訓練和推測提供最高效能。舉例來說,AWS TensorFlow 最佳化透過大幅改進的 GPU 擴展功能,讓模型訓練速度加快多達兩倍。

快速新增機器學習到 Kubernetes 應用程式

AWS DL 容器設計為在 Amazon EC2 上搭配 Kubernetes 使用。如果您的應用程式部署在使用 Amazon EC2 的 Kubernetes 上,您可以使用 AWS DL Containers,在這些應用程式中快速新增機器學習做為微服務。

輕鬆管理機器學習工作流程

AWS DL Containers 與 Amazon Sagemaker、Amazon EKS 和 Amazon ECS 緊密整合,讓您可以自由選擇及靈活地建置自訂機器學習工作流程,以進行訓練、驗證及部署作業。經由這樣的整合,Amazon EKS 和 Amazon ECS 能處理在虛擬機器叢集上部署和擴展 AWS DL Containers 所需的所有容器調度。

AWS DL Containers 支援 TensorFlow、PyTorch 和 Apache MXNet。

TensorFlow
TensorFlow 支援
PyTorch
PyTorch 支援
Apache MXNet
Apache MXNet 支援

客戶

Wix

「Deep Learning Containers 讓我們的速度提高 20%。過去,部署資料科學家所開發的模型至生產所需的工作,拖慢了我們的上市時間。資料科學家一般使用 AWS Deep Learning AMIs,而我們的開發團隊則在生產中使用 Docker 容器。確保研究和生產環境相符,既耗時又容易出錯。現在,有了 AWS Deep Learning Containers,我們從研究和訓練到生產的整個流程,都可以使用同一個最佳化且穩定的 TensorFlow 環境。」


Accenture

「在 Accenture,我們的資料科學家針對各種領域 (如電信和資源產業) 的電腦視覺和自然語言處理,建置深度學習應用程式,代我們的客戶,推動革新。我們的團隊步調快速,所以我們使用 Docker 容器來迅速訓練及部署模型。我們必須反覆建立並維護含深度學習架構和程式庫的容器映像檔,這讓我們的速度無法加快,當我們遇到相容性或相依性問題時,更得付出多日寶貴時間的代價來解決。現在,有了 Deep Learning Containers,我們能存取立即可用的容器映像檔,這讓我們在 AWS 上獲得了最佳效能。」 


Patch'd

「在 Patchd,我們使用深度學習來偵測早發型敗血症。我們看到 Docker 容器可將我們現有的深度學習管道擴展 10 倍,提供我們快速且靈活的方式,來輕鬆測試上千個模型。但我們不想將寶貴的資料科學和工程時間花在設定和最佳化適用於深度學習的 Docker 環境上。有了 Deep Learning Containers,我們可以在幾分鐘內就設定好最佳化的 TensorFlow 環境,而且免費。」

部落格和文章

最新 – AWS Deep Learning Containers
2019 年 3 月 27 日
 
 
在 Amazon EKS 上最佳化分佈式深度學習效能的最佳實務
2019 年 5 月 1 日
 
AWS Batch 上的 GPU 工作負載
2019 年 4 月 4 日
 
 
進一步了解 Deep Learning Containers
查閱產品功能

進一步了解 AWS DL Containers。

進一步了解 
註冊免費的 AWS 帳戶
註冊免費帳戶

立即存取 AWS 免費方案。 

註冊 
開始使用 Deep Learning Containers 進行建置
使用教學開始建立

在 Amazon EC2 上開始使用 AWS DL Containers。

立即試用