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
![Funktionsweise – PyTorch auf AWS Diagramm, das zeigt, wie man Modelle in PyTorch mit einem TorchServe-Modellserver trainieren kann.](https://d1.awsstatic.com/product-marketing/pytorch/Product-Page-Diagram_PyTorch-on-AWS.491bd490ca72fc76ad0c4899ceb81587e2eb104d.png)
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 mit PyTorch auf AWS
Hier finden Sie alles, was Sie für die ersten Schritte mit PyTorch auf AWS benötigen.
Erfahren Sie mehr über PyTorch auf AWS
Sehen Sie sich die wichtigsten Funktionen und Möglichkeiten an, um mit PyTorch zu arbeiten.
Entwicklung mit dem Amazon SageMaker JumpStart
Entdecken Sie vorgefertigte ML-Lösungen, die Sie mit ein paar Klicks einsetzen können.