深度学习 AMI
开发人员指南
AWS 服务或AWS文档中描述的功能,可能因地区/位置而异。请点击 Amazon AWS 入门,可查看中国地区的具体差异

Deep Learning AMI (Windows 2012 R2) 1.0 版的发行说明详细信息

AWS Deep Learning AMI

AWS Deep Learning AMI 预置了 CUDA 8 和 9 以及若干深度学习框架。

此发行版的亮点

  1. CUDA 8 和 9

  2. CuDNN 6 和 7

  3. NCCL 2.0.5

  4. CuBLAS 8 和 9

  5. OpenCV 3.2.0

  6. SciPy 0.19.1

  7. Conda 5.01

预置了的深度学习框架

  • Apache MXNet:MXNet 是一个灵活、高效、可移植且可扩展的开源库,用于进行深度学习。它支持各种编程语言的声明式和命令式编程模型,使编写功能强大的深度学习应用程序变得很简单。MXNet 非常高效,本身支持可以在分布式环境中并行化的源代码部分的自动并行计划。MXNet 也很容易移植,内存优化技术的使用使它能在手机上运行完整的服务器。

    • 使用的分支/标签:v0.12.0

    • 预置了 CUDA 8 和 cuDNN 6.1

    • 理由:稳定和全面的测试

    • 源目录:

      C:\MXNet

  • Caffe:Caffe 是一个以表达式、速度和模块性为基础的框架。

    • 使用的分支/标签:Windows 分支,提交 #5854

    • 预置了 CUDA 8 和 cuDNN 5

    • 理由:稳定和全面的测试

    • 源目录:

      C:\Caffe

  • TensorFlow:TensorFlow™ 是使用数据流图进行数值计算的开源软件库。

    • 使用的分支/标签:v1.4

    • 预置了 CUDA 8 和 cuDNN 6.1

    • 理由:稳定和全面的测试

    • 源目录:

      C:\ProgramData\Anaconda3\envs\tensorflow\Lib\site-packages

Python 2.7 和 Python 3.5 支持

所有安装的深度学习框架的 AMI 都支持 Python 2.7 和 Python 3.6,但 Caffe2 除外:

  1. Apache MXNet

  2. Caffe

  3. Tensorflow

实例类型支持

尚不支持 P3 实例类型。

AMI 支持所有框架的所有其他 CPU 实例类型。

安装了 GPU 驱动程序

  • CuDNN 6 和 7

  • Nvidia 385.54

  • CUDA 8 和 9

启动深度学习实例

从您选择的区域下面的列表中选择 AMI 的版本,然后按照以下步骤操作:

启动 Windows 实例

Deep Learning AMI (Windows 2012 R2) 区域

Windows 2012 R2 AMI 在以下区域提供:

  • 美国东部 (俄亥俄):ec2-us-east-2 - ami-93c0eef6

  • 美国东部 (弗吉尼亚北部):ec2-us-east-1 - ami-3375f749

  • GovCloud: ec2-us-gov-west-1 - ami-87018de6

  • 美国西部 (加利福尼亚北部):ec2-us-west-1 - ami-04bf8764

  • 美国西部 (俄勒冈):ec2-us-west-2 - ami-d2be62aa

  • 亚太地区 (孟买):ec2-ap-south-1 - ami-221f514d

  • 亚太地区 (首尔):ec2-ap-northeast-2 - ami-1975d277

  • 亚太地区 (新加坡):ec2-ap-southeast-1 - ami-5d67313e

  • 亚太地区 (悉尼):ec2-ap-southeast-2 - ami-a2f71dc0

  • 亚太地区 (东京):ec2-ap-northeast-1 - ami-96fe42f0

  • 加拿大 (中部):ec2-ca-central-1 - ami-1a863d7e

  • 欧洲 (法兰克福):ec2-eu-central-1 - ami-cf78faa0

  • 欧洲 (爱尔兰):ec2-eu-west-1 - ami-3eea5c47

  • 欧洲 (伦敦):ec2-eu-west-2 - ami-caeef1ae

  • SA (圣保罗):ec2-sa-east-1 - ami-aabefbc6

参考

测试环境

  • 构建在 p2.16xlarge 上。

  • 此外,在 p2.xlarge 和 c4.4xlarge 上经过测试。