AMI AWS Deep Learning
Môi trường được cấu hình sẵn giúp bạn nhanh chóng dựng ứng dụng deep learning
AMI AWS Deep Learning cung cấp cho nhà nghiên cứu và người thao tác với machine learning cơ sở hạ tầng và công cụ để tăng tốc deep learning trên đám mây ở mọi quy mô. Bạn sẽ có thể nhanh chóng khởi chạy các phiên bản Amazon EC2 được cài đặt sẵn với các framework và giao diện về deep learning phổ biến như TensorFlow, PyTorch, Apache MXNet, Chainer, Gluon, Horovod và Keras để huấn luyện các mô hình AI tùy biến phức tạp, thử nghiệm thuật toán mới hoặc tìm hiểu kỹ năng và kỹ thuật mới.
Dù bạn đang cần phiên bản CPU hay GPU Amazon EC2, bạn sẽ không bị tính thêm phí cho AMI Deep Learning – bạn chỉ phải trả tiền cho các tài nguyên AWS cần thiết để lưu trữ và chạy ứng dụng của mình.
Chọn AMI Deep Learning của AWS
Ngay cả với những người thao tác với machine learning có nhiều kinh nghiệm, việc làm quen với deep learning cũng có thể trở nên rắc rối và tốn thời gian. Các AMI mà chúng tôi cung cấp sẽ hỗ trợ các nhu cầu khác nhau của nhà phát triển. Để giúp hướng dẫn thực hiện quá trình làm quen, hãy tham khảo thêm hướng dẫn lựa chọn AMI và các tài nguyên deep learning khác.
AMI Conda
Dành cho các nhà phát triển muốn sử dụng gói pip cài đặt sẵn framework deep learning trong nhiều môi trường ảo riêng biệt, AMI trên nền tảng Conda có các phiên bản dành cho hệ điều hành Ubuntu, Amazon Linux và Windows 2016.
Tìm hiểu thêm về lợi ích của AMI Conda và bắt đầu sử dụng với hướng dẫn từng bước này.
AMI Base
Dành cho các nhà phát triển muốn môi trường trống không để cài đặt kho công cụ deep learning riêng hoặc bản dựng tùy chỉnh công cụ deep learning, AMI Base có các phiên bản dành cho hệ điều hành Ubuntu và Amazon Linux.
Tìm hiểu thêm về lợi ích của AMI Base và bắt đầu sử dụng với hướng dẫn từng bước này.
Hỗ trợ framework deep learning
AMI AWS Deep Learning hỗ trợ tất cả các framework deep learning phổ biến, cho phép bạn xác định mô hình rồi huấn luyện ở quy mô lớn. Được xây dựng dành cho Amazon Linux và Ubuntu, AMI được cấu hình sẵn với TensorFlow, PyTorch, Apache MXNet, Chainer, Microsoft Cognitive Toolkit, Gluon, Horovod và Keras, cho phép bạn nhanh chóng triển khai cũng như chạy bất kỳ framework và công cụ nào trong số này ở quy mô lớn ở quy mô lớn.








Tăng tốc quá trình huấn luyện mô hình
Để triển khai việc phát triển và huấn luyện mô hình của bạn, AMI AWS Deep Learning có bao gồm khả năng tăng tốc bằng GPU NVIDIA bằng các trình điều khiển CUDA và cuDNN, cũng như Thư viện nhân toán (MKL) của Intel, bên cạnh việc cài đặt các gói Python phổ biến và Nền tảng Anaconda.
Các phiên bản GPU

Các phiên bản P3 cung cấp hiệu năng cao hơn đến 14 lần so với các phiên bản điện toán GPU Amazon EC2 thế hệ trước. Với lên đến 8 GPU NVIDIA Tesla V100, các phiên bản P3 cung cấp hiệu năng điểm trôi nổi lên đến một petaflop mixed-precision, 125 teraflop single-precision và 62 teraflop double-precision.
Khả năng điện toán mạnh mẽ

Các phiên bản C5 được trang bị bộ xử lý Intel Xeon 3.0 GHz có khả năng mở rộng và cho phép một lõi đơn chạy lên đến 3,5 GHz bằng cách sử dụng công nghệ Turbo Boost của Intel. Các phiên bản C5 có tỷ lệ bộ nhớ/vCPU cao hơn và cải thiện 25% tỷ lệ giá/hiệu năng so với các phiên bản C4, và chính là lựa chọn lý tưởng cho các ứng dụng đòi hỏi phải tính toán nhiều.
Gói Python

Lõi AMI AWS Deep Learning được cài đặt sẵn trong máy tính xách tay Jupyter được tải sẵn các nhân Python 2.7 và Python 3.5, cùng với các gói Python phổ biến khác, bao gồm cả AWS SDK dành cho Python.
Nền tảng Anaconda

Để giúp đơn giản hóa công tác quản lý và triển khai, AMI AWS Deep Learning cài đặt Nền tảng khoa học dữ liệu Anaconda2 và Anaconda3 dành cho thao tác xử lý dữ liệu quy mô lớn, phân tích dự đoán và điện toán khoa học.
Bắt đầu với deep learning trên AWS
Amazon SageMaker dành cho machine learning
Amazon SageMaker là dịch vụ được quản lý toàn phần, cho phép các nhà phát triển và nhà khoa học dữ liệu nhanh chóng và dễ dàng xây dựng, đào tạo và triển khai các mô hình machine learning ở bất kỳ quy mô nào. Amazon SageMaker loại bỏ toàn bộ những rào cản thường gây cản trở cho nhà phát triển khi muốn sử dụng machine learning.