PyTorch auf AWS

Ein hochleistungsfähiges, skalierbares und unternehmenstaugliches PyTorch-Erlebnis auf AWS

Beschleunigen Sie die Zeit bis zum Training mit Amazon-EC2-Instances, Amazon SageMaker und PyTorch-Bibliotheken.

Beschleunigen Sie die Entwicklung von Forschungsprototypen bis hin zum Einsatz im Produktionsmaßstab mit PyTorch-Bibliotheken.

Erstellen Sie Ihr ML-Modell mit vollständig verwalteten oder selbst verwalteten AWS-Services für Machine Learning (ML).

Funktionsweise

PyTorch auf AWS ist ein Open-Source-Framework für Deep Learning (DL), das den Prozess von der ML-Forschung bis zur Modellbereitstellung beschleunigt.
Diagramm, das zeigt, wie man Modelle in PyTorch mit einem TorchServe-Modellserver trainieren kann.

Anwendungsfälle

Verteiltes Training für große Sprachmodelle

Verwenden Sie PyTorch Distributed Data Parallel (DDP) Systeme, um große Sprachmodelle mit Milliarden von Parametern zu trainieren.

Weitere Informationen »

Inferenz nach Maß


Skalieren Sie die Inferenz mit SageMaker und Amazon-EC2-Inf1-Instances, um Ihre Anforderungen an Latenz, Durchsatz und Kosten zu erfüllen.

Weitere Informationen »

Multimodale ML-Modelle


Verwenden Sie die multimodalen PyTorch-Bibliotheken, um benutzerdefinierte Modelle für Anwendungsfälle wie die Echtzeit-Handschrifterkennung zu erstellen.

Weitere Informationen »

Erste Schritte

Lernen Sie etwas über ML mit Amazon SageMaker Studio Lab

Lernen und experimentieren Sie mit ML in einer kostenlosen Entwicklungsumgebung, die keine Einstellungen erfordert

Erste Schritte »

Erste Schritte mit PyTorch auf AWS

Hier finden Sie alles, was Sie für die ersten Schritte mit PyTorch auf AWS benötigen.

Weitere Informationen »

Erfahren Sie mehr über PyTorch auf AWS

Sehen Sie sich die wichtigsten Funktionen und Möglichkeiten an, um mit PyTorch zu arbeiten.

PyTorch auf AWS erkunden »

Entwicklung mit dem Amazon SageMaker JumpStart

Entdecken Sie vorgefertigte ML-Lösungen, die Sie mit ein paar Klicks einsetzen können.

Weitere Informationen »

Mehr von AWS entdecken