精品国产一级在线观看,国产成人综合久久精品亚洲,免费一级欧美大片在线观看

以下為大家介紹兩種新的AWS深度學習AMI的可用性:一個基于Conda的AMI，它具有獨立的Python環境，它使用了Conda(一個流行的開源軟件包和環境管理工具)創建的深度學習框架。還有一個是有GPU驅動程序和庫在基于AMI的基礎上部署你自己定制的深度學習模型。

深度學習技術正在快速發展。從框架和算法到學術界和工業界的新方法和新理論。所有這些對于那些需要工具來快速和安全地測試算法、優化框架的特定版本、運行測試和基準測試，或者以空白畫布開始的項目協作的開發人員來說，都是很復雜的。虛擬環境提供了實現這一切的自由和靈活性，這也是為什么今天將它添加到AWS深度學習AMI中。新建立的開發人員資源，能幫助你了解更多有關AMI的信息，為你的項目選擇正確的AMI，并深入實踐教程。

新的基于Conda的深度學習AMI

基于Conda的AMI預先安裝了Python環境，以使用Conda創建深度學習。每個基于Conda的Python環境都配置了一個流行的深度學習框架的官方pip包及其依賴項。把它想象成一個完全成熟的虛擬環境，可以運行你的深度學習代碼，例如，訓練一個神經網絡模型。

但AMI的好處不止于此。在AMI上的環境是作為相互隔離的、獨立的沙箱操作的。這意味著當你在沙箱中運行你的深度學習代碼時，可以全面查看和控制運行環境。你可以安裝一個新的軟件包，升級一個現有的軟件包，或者改變一個環境變量，無需擔心在AMI中中斷其他深度學習環境。這種級別的靈活性和對執行環境的細粒度控制也意味著你現在可以運行測試，并以一種持續且可重復的方式對深度學習模型的性能進行基準測試。

最后，AMI提供了一個直觀的可視化界面，可以直接插入到你的Jupyter筆記本中，這樣你就可以在環境中切換，在你選擇的環境中啟動一個筆記本，甚至可以重新配置你的環境，只需要點擊Jupyter筆記本的瀏覽器。

新的基于conda的深度學習AMI與最新的官方發布的深度學習框架:

·帶有Gluon的Apache MXNet 0.12

·TensorFlow 1.4

·Caffe2 0.8.1

·PyTorch 0.2

·CNTK 2.2

·Theano 0.9

·Keras 1.2.2和Keras 2.0.9

這個AMI還包括以下的庫和驅動GPU加速的云:

·CUDA 8和9

·CUDNN 6和7

·NCCL 2.0.5庫

·NVidia驅動384.81

·新的深度學習基地AMI

AMI的基礎是預先安裝的，用于深度學習的基本構建塊。這包括NVIDIA CUDA庫、GPU驅動程序和系統庫，以加速和擴展在Amazon Elastic Compute Cloud(EC2)實例上的機器學習。把AMI作為一個干凈的slate，可以部署你定制的深度學習。

例如，對于為開放源代碼深度學習框架增強或者甚至構建一個新的深度學習引擎的開發人員，基礎AMI提供了安裝你自己定義的配置和代碼庫來測試新框架特性的基礎。在默認情況下，基礎AMI附帶CUDA 9環境，不過也可以使用簡單的單行命令切換到CUDA 8環境。

基礎AMI提供以下GPU驅動程序和庫:

·CUDA 8和9

·CUBLAS 8和9

·CUDNN 6和7

·glibc 2.18

·OpenCV 3.2.0

·NVIDIA驅動384.81

·NCCL 2.0.5

·Python 2和3

深度學習AMI與源代碼

除了今天可用的兩個新AMI之外，還將繼續支持在統一的Python環境中從源代碼安裝所有流行深度學習框架的AMI，并將其源代碼包含在AMI上。如果你想嘗試并比較共享的基本環境中的多個框架，或者你需要快速訪問AMI本身的源代碼，以使用定制的構建選項集來重新編譯框架，那么這種AMI非常好。

AMI來自CUDA 8和CUDA 9版本，以滿足你想要用于深度學習的AWS EC2實例的特定需求。