Amazon-EC2-DL1-Instances

Seagate Technology ist seit über 40 Jahren ein weltweit führender Anbieter von Lösungen für die Datenspeicherung und -verwaltung. Die Datenwissenschafts- und Machine-Learning-Ingenieure von Seagate haben ein fortschrittliches Deep-Learning (DL)-Fehlererkennungssystem entwickelt und es weltweit in den Produktionsstätten des Unternehmens eingesetzt. In einem kürzlich durchgeführten Machbarkeitsnachweis-Projekt übertraf Habana Gaudi die Leistungsziele für das Training eines der semantischen Segmentierungsmodelle von DL, die derzeit in der Produktion von Seagate verwendet werden. 

„Wir gehen davon aus, dass der signifikante Preis-Leistungs-Vorteil von Amazon-EC2-DL1-Instances, die von Habana Gaudi-Accelerators angetrieben werden, eine überzeugende zukünftige Ergänzung zu AWS-Computingclustern darstellen könnte. Da sich Habana Labs weiterentwickelt und eine breitere Abdeckung von Betreibern ermöglicht, besteht das Potenzial, auf zusätzliche Anwendungsfälle in Unternehmen auszuweiten und dadurch zusätzliche Kosteneinsparungen zu erzielen.“

Darrell Louder, Senior Engineering Director of Operations, Technology and Advanced Analytics – Seagate

Leidos ist als einer der Top 10 Anbieter von Gesundheits-IT anerkannt und bietet eine breite Palette anpassbarer, skalierbarer Lösungen für Krankenhäuser und Gesundheitssysteme, biomedizinische Organisationen und jede US-Bundesbehörde, die sich auf Gesundheit konzentriert.

„Eine der zahlreichen Technologien, die wir heute ermöglichen, um das Gesundheitswesen voranzutreiben, ist der Einsatz von Machine Learning und Deep Learning für die Krankheitsdiagnose basierend auf medizinischen Bildgebungsdaten. Unsere riesigen Datensätze erfordern zeitnahes und effizientes Training, um Forscher bei der Lösung einiger der dringendsten medizinischen Rätsel zu unterstützen. Angesichts des Bedarfs von Leidos und seinen Kunden nach schnellen, einfachen und kostengünstigen Trainings für Deep-Learning-Modelle freuen wir uns, diese Reise mit Intel und AWS begonnen zu haben, um Amazon-EC2-DL1-Instances basierend auf Habana-Gaudi-KI-Prozessoren zu verwenden. Durch die Verwendung von DL1-Instances erwarten wir eine Steigerung der Geschwindigkeit und Effizienz des Modelltrainings mit einer anschließenden Reduzierung des Risikos und der Kosten für Forschung und Entwicklung.“ 

Chetan Paul, CTO Gesundheit und Gesundheitswesen - Leidos 

Intel hat eine 3D-Athlete-Nachverfolgungs-Technologie entwickelt, die das Video von Athleten in Aktion in Echtzeit analysiert, um über Leistungstrainingsprozesse zu informieren und die Zuschauererfahrungen während der Wettkämpfe zu verbessern.

„Das Training unserer Modelle auf Amazon-EC2-DL1-Instances, unterstützt von Gaudi-Accelerators von Habana Labs, wird es uns ermöglichen, Tausende von Videos genau und zuverlässig zu verarbeiten und zugehörige Leistungsdaten zu generieren, während gleichzeitig die Trainingskosten gesenkt werden. Mit DL1-Instances können wir jetzt mit der Geschwindigkeit und den Kosten trainieren, die erforderlich sind, um Athleten, Teams und Sendern aller Niveaus in einer Vielzahl von Sportarten produktiv zu dienen.“ 

Rick Echevarria, Vice President, Sales and Marketing Group - Intel

RiskFuel bietet Unternehmen, die Finanzportfolios verwalten, Echtzeitbewertungen und Risikosensitivitäten und hilft ihnen, die Genauigkeit und Leistung des Handels zu verbessern.

„Zwei Faktoren haben uns zu Amazon-EC2-DL1-Instances geführt, die auf Habana-Gaudi-KI-Accelerators basieren. Erstens möchten wir sicherstellen, dass unsere Bank- und Versicherungskunden Riskfuel-Modelle ausführen können, die die neueste Hardware nutzen. Glücklicherweise fanden wir die Migration unserer Modelle zu DL1-Instances einfach und unkompliziert – eigentlich mussten nur ein paar Codezeilen geändert werden. Zweitens sind Trainingskosten ein wichtiger Bestandteil unserer Ausgaben und das Versprechen einer bis zu 40 %igen Verbesserung des Preis-Leistungs-Verhältnisses bietet potenziell erhebliche Vorteile für unser Endergebnis.“ 

Ryan Ferguson, CEO - Riskfuel

Fractal ist ein weltweit führendes Unternehmen im Bereich künstliche Intelligenz und Analytik und unterstützt Entscheidungen in Fortune-500-Unternehmen.

„KI und Deep Learning bilden den Kern unserer Machine-Vision-Fähigkeit und ermöglichen es unseren Kunden, in allen von uns bedienten Branchen bessere Entscheidungen zu treffen. Um die Genauigkeit zu verbessern, werden Datensätze immer größer und komplexer, was größere und komplexere Modelle erfordert. Dies treibt den Bedarf an einer verbesserten Computingpreisleistung voran. Die neuen Amazon-EC2-DL1-Instances versprechen deutlich günstigere Trainingskosten als GPU-basierte EC2-Instances. Wir erwarten, dass dies das Training von KI-Modellen in der Cloud für ein breites Spektrum von Kunden kostengünstiger und zugänglicher macht als zuvor.“

Srikanth Velamakanni, Group CEO - Fractal

AWS Deep Learning AMIs (DLAMI) und AWS Deep Learning Containers (DLC) stellen Datenwissenschaftlern, ML-Praktikern und Forschern Maschinen- und Container-Images zur Verfügung, die mit Deep-Learning-Frameworks vorinstalliert sind, um den Einstieg zu erleichtern, indem Sie den komplizierten Prozess des Erstellens und Optimierens Ihrer Softwareumgebungen von Grund auf einfach überspringen können. Das SynapseAI SDK für die Gaudi-Accelerators ist in die AWS DL AMIs und DLCs integriert, sodass Sie schnell mit DL1-Instances beginnen können.

Kunden, die es vorziehen, ihre eigenen containerisierten Workloads über Container-Orchestrierungsdienste zu verwalten, können DL1-Instances mit Amazon EKS oder ECS bereitstellen.