AMI AWS Deep Learning
Créez rapidement des applications de deep learning évolutives et sécurisées dans des environnements préconfigurés
Mise à l’échelle
Étendez l’entraînement distribué de machine learning (ML) à des milliers d’instances accélérées et déployez en toute transparence des modèles pour l’inférence en production.
Développement
Développez sur des accélérateurs, notamment AWS Trainium, AWS Inferentia et les GPU NVIDIA, avec les derniers pilotes, cadres, bibliothèques et outils.
Réduction des risques
Réduisez les risques grâce à des images de machine personnalisées et stables, régulièrement mises à jour pour corriger les failles de sécurité.
AWS figure parmi les leaders du Magic Quadrant de Gartner
Gartner reconnaît AWS comme leader du Magic Quadrant pour les services de développement de l’IA dans le cloud.
Cas d’utilisation
Développement de véhicules autonomes
Concevez des modèles avancés de ML à grande échelle pour développer la technologie des véhicules autonomes (AV) en toute sécurité en validant les modèles avec des millions de tests virtuels pris en charge.
Traitement du langage naturel
Accélérez l'installation et la configuration des instances AWS, ainsi que l'expérimentation et l'évaluation avec des cadres et des bibliothèques à jour, notamment Hugging Face Transformers.
Analyse de données pour les soins de santé
Utilisez des fonctionnalités d’analytique avancée, de ML et de deep learning pour identifier les tendances et faire des prédictions à partir de données de santé brutes et disparates.
Entraînement des modèles accéléré
DLAMI comprend la dernière accélération GPU NVIDIA par le biais de pilotes préconfigurés, la bibliothèque Intel Math Kernel Library (MKL), des packages Python et la plateforme Anaconda.
Réussite client
Toyota Research Institute
« Au Toyota Research Institute (TRI), nous explorons des moyens d’améliorer la qualité de vie grâce aux progrès réalisés dans les domaines de la conduite automatisée, de l’énergie et des matériaux, de l’intelligence artificielle centrée sur l’humain, de la conduite interactive, des modèles comportementaux à grande échelle et de la robotique. Le machine learning est au cœur d’une grande partie de nos travaux. Les AMI deep learning d’AWS ont joué un rôle déterminant dans l’accélération de nos recherches. Elles permettent à nos équipes de déployer et de faire évoluer rapidement des environnements d’apprentissage automatique hautement performants sur EC2, grâce à des pilotes NVIDIA et CUDA préconfigurés qui fonctionnent de manière transparente dès leur installation. Cette stabilité et cette facilité d’utilisation réduisent considérablement nos frais généraux opérationnels, permettant ainsi à nos chercheurs et à nos scientifiques des données de se concentrer sur les défis inhérents à leur travail plutôt que sur la gestion de l’infrastructure. En rationalisant nos outils d’apprentissage automatique, les AMI AWS Deep Learning nous permettent de nous concentrer sur ce qui compte vraiment : réaliser des avancées techniques et ouvrir la voie à de nouveaux produits et services capables d’apporter « le bonheur pour tous ». L’efficacité et la fiabilité des AMI AWS Deep Learning en ont fait un élément indispensable de notre boîte à outils chez TRI. »
Satya Kotari, responsable technique, TRI.
Cimpress
Cimpress investit et développe des entreprises de personnalisation de masse de l’impression axées sur le client, entrepreneuriales et axées sur le client sur le long terme. Avec Cimpress, il est facile et abordable pour les clients de faire bonne impression, qu'il s'agisse de leurs clients, de leur organisation ou de leurs proches. Qu'il s'agisse de matériel promotionnel renforçant la marque d'une entreprise ou d'une annonce célébrant une naissance, Cimpress combine la personnalisation individuelle souhaitée par les clients avec l'impact tangible des produits physiques.
« Cimpress utilise les AMI AWS Deep Learning pour configurer et déployer rapidement nos environnements de machine learning. Les DLAMI réduisent nos frais opérationnels et nous pouvons commercialiser nos produits plus rapidement en nous concentrant sur le cœur de métier que sont la formation et en déployant nos modèles de deep learning pour la vision par ordinateur et l'IA générative. »
Ajay Joshi, ingénieur logiciel principal – Cimpress
Flip AI
Flip AI est la première plateforme d’observabilité native de GenAI qui ne dépend pas des données ni des plateformes, qui comprend toutes les modalités d’observabilité, y compris les métriques, les événements, les journaux et les traces, et qui génère des analyses prédictives et des analyses de la cause première des incidents en quelques secondes.
« Chez Flip AI, nous avons formé nos propres LLM pour DevOps afin de déboguer les incidents de production et d'aider les entreprises à atteindre le plus haut niveau d'expérience client. Cette formation nécessite une configuration performante et facilement personnalisable. Avec DLAMI, nous n'avons pas besoin de nous battre avec des pilotes CUDA ou des optimisations liées à Pytorch. Cela fonctionne, tout simplement. L'amélioration des pourcentages d'utilisation du GPU nous permet d'entraîner nos modèles de manière plus efficace et de réduire de 10 secondes les temps d'inférence. »
Sunil Mallya, directeur technique – Flip AI
Torc Robotics
Torc Robotics est une filiale indépendante de Daimler Truck AG, leader mondial et pionnier du secteur des poids lourds, qui se consacre à la révolution du transport de marchandises sur longue distance grâce à des camions autonomes de classe 8 de niveau 4
« Les AMI deep learning d’AWS ont joué un rôle déterminant dans l’accélération du développement, chez Torc, de systèmes avancés d’aide à la conduite à la pointe de l’industrie. Les DLAMI nous permettent de configurer et de déployer rapidement des environnements de machine learning sur des instances AWS EC2, ce qui est crucial pour nos efforts de recherche et développement. Les pilotes NVIDIA et CUDA préinstallés fonctionnent de manière transparente dès leur installation, offrant une plateforme stable et fiable qui réduit considérablement nos frais généraux opérationnels. En rationalisant la gestion de notre infrastructure de machine learning, les DLAMI d’AWS nous permettent de concentrer nos ressources sur la mise sur le marché plus rapide de nos produits. L’efficacité et la fiabilité des AMI deep learning d’AWS en ont fait un outil indispensable pour soutenir la mission principale de Torc dans le domaine des véhicules autonomes. »
Jason Fox, responsable senior de l’ingénierie chez Torc, plateforme de développement
Fonctionnement
Les AWS Deep Learning AMI (DLAMI) fournissent aux professionnels et aux chercheurs en ML un ensemble sécurisé de cadres, de dépendances et d’outils pour accélérer le deep learning dans Amazon EC2. Conçus pour Amazon Linux et Ubuntu, Amazon Machine Images (AMI) est préconfiguré avec TensorFlow, PyTorch, les pilotes et bibliothèques NVIDIA CUDA, Intel MKL, Elastic Fabric Adapter (EFA) et le plugin AWS OFI NCCL, ce qui vous permet de déployer et d’exécuter rapidement ces cadres et outils à grande échelle.
Sessions re:Invent
AWS re:Invent 2023 – Modèle de formation à grande échelle sur les AMI AWS Deep Learning et PyTorch, ft. Pinterest – AIM326
Comment démarrer
Découvrez comment vous pouvez accélérer l’entraînement de vos modèles
Découvrez comment DLAMI peut accélérer votre développement et l’entraînement de vos modèles.
Découvrir les AMI
Sélectionnez la bonne AMI et le bon type d’instance pour votre projet.
Participer aux formations pratiques
Commencez à développer avec des tutoriels de 10 minutes.