AMI di apprendimento approfondito di AWS
Crea rapidamente applicazioni di deep learning scalabili e sicure in ambienti preconfigurati
Scala la formazione di machine learning distribuita (ML) su migliaia di istanze accelerate e implementa senza problemi modelli per l'inferenza in produzione.
Sviluppa sugli acceleratori, tra cui AWS Trainium, AWS Inferentia e GPU NVIDIA, con i driver, i framework, le librerie e gli strumenti più recenti.
Riduci i rischi con immagini di macchine personalizzate, stabili e aggiornate regolarmente, per proteggerti dalle vulnerabilità della sicurezza.
Come funziona
AWS Deep Learning AMI (DLAMI) fornisce ai professionisti e ai ricercatori del ML una serie di framework, dipendenze e strumenti consolidati curati e sicuri per accelerare il deep learning su Amazon EC2. Creato per Amazon Linux e Ubuntu, Amazon Machine Images (AMI) è preconfigurato con driver e librerie TensorFlow, PyTorch, NVIDIA CUDA, Intel MKL, Elastic Fabric Adapter (EFA) e il plug-in AWS OFI NCCL, che ti consentono di distribuire ed eseguire rapidamente questi framework e strumenti su larga scala.
Casi d'uso
Sviluppo dei veicoli a guida autonoma
Sviluppa modelli di ML avanzati su larga scala per sviluppare la tecnologia dei veicoli a guida autonoma (AV) in sicurezza convalidando i modelli con milioni di test virtuali supportati.
Elaborazione del linguaggio naturale
Accelera l'installazione e la configurazione delle istanze AWS e velocizza la sperimentazione e la valutazione con framework e librerie aggiornati, inclusi Hugging Face Transformers.
Analisi dei dati per il settore sanitario
Usa le funzionalità di analisi avanzata, ML e deep learning per identificare le tendenze e fare previsioni da dati sanitari disparati non elaborati.
Addestramento accelerato di modelli
DLAMI include la più recente accelerazione GPU NVIDIA tramite driver preconfigurati, Intel Math Kernel Library (MKL), pacchetti Python e Anaconda Platform.
Storie di successo dei clienti
Cimpress investe e crea attività di personalizzazione di massa di stampa incentrate sul cliente e incentrate sul cliente a lungo termine. Cimpress rende facile e conveniente per i clienti fare colpo, per i loro clienti, per la loro organizzazione o per i loro cari. Che si tratti di materiale promozionale che amplifica il marchio di un'azienda o di un annuncio che celebra una nascita, Cimpress combina la personalizzazione individuale desiderata dai clienti con l'impatto tangibile dei prodotti fisici.
"Cimpress utilizza le AMI di deep learning AWS per configurare e distribuire rapidamente i nostri ambienti di machine learning. I DLAMI riducono il nostro sovraccarico operativo e possiamo lanciare i nostri prodotti sul mercato più velocemente concentrandoci sul lavoro principale di formazione e implementando i nostri modelli di deep learning per la visione artificiale e l'IA generativa".
Ajay Joshi, Principal Software Engineer presso Cimpress
Flip AI è la prima piattaforma di osservabilità nativa GenAI che è agnostica rispetto ai dati e alle piattaforme, comprende tutte le modalità di osservabilità - tra cui metriche, eventi, log e tracce - e genera analisi predittive e incidenti di Root Cause Analisys in pochi secondi.
'In Flip AI abbiamo addestrato i nostri LLM per DevOps a eseguire il debug degli incidenti di produzione per aiutare le aziende a raggiungere il massimo livello di esperienza del cliente. Questa formazione richiede una configurazione ad alte prestazioni facilmente personalizzabile. Con DLAMI, non abbiamo bisogno di combattere battaglie con i driver CUDA o con le ottimizzazioni legate a Pytorch. Funziona, tutto qui. Migliorare le percentuali di utilizzo delle GPU significa essere in grado di addestrare i nostri modelli in modo più efficiente e di ridurre di 10 millisecondi l'inferenza.'
Sunil Mallya, CTO — Flip AI
Come iniziare
Scopri come puoi accelerare l'addestramento del tuo modello
Scopri come DLAMI può accelerare lo sviluppo e l'addestramento del modello.
Esplora le AMI
Seleziona l'AMI e il tipo di istanza giusti per il tuo progetto.
Segui la formazione pratica
Inizia a lavorare con i tutorial da 10 minuti.