PyTorch on AWS
ประสบการณ์การใช้งาน PyTorch ที่มีประสิทธิภาพสูง ปรับขนาดได้ และพร้อมสำหรับการใช้ระดับองค์กรบน AWS
เร่งเวลาที่ใช้ฝึกฝนให้เร็วขึ้นด้วยอินสแตนซ์ Amazon EC2, Amazon SageMaker และไลบรารี PyTorch
เร่งเวลาตั้งแต่การสร้างต้นแบบในการวิจัยไปจนถึงการนำไปใช้จริงที่ระดับการผลิตโดยการใช้ไลบรารี PyTorch
สร้างโมเดล ML โดยใช้บริการแมชชีนเลิร์นนิง (ML) ของ AWS แบบมีการจัดการครบวงจรหรือแบบจัดการด้วยตัวเอง
วิธีทำงาน
![วิธีทำงาน - PyTorch on AWS แผนผังแสดงวิธีการที่คุณสามารถฝึกโมเดลใน PyTorch ด้วยเซิร์ฟเวอร์โมเดล TorchServe](https://d1.awsstatic.com/product-marketing/pytorch/Product-Page-Diagram_PyTorch-on-AWS.491bd490ca72fc76ad0c4899ceb81587e2eb104d.png)
กรณีใช้งาน
การฝึกอบรมแบบกระจายสำหรับโมเดลที่มีภาษาจำนวนมาก
ใช้ระบบ PyTorch Distributed Data Parallel (DDP) เพื่อฝึกโมเดลที่มีภาษาจำนวนมากและมีพารามิเตอร์พันล้านรายการ
เรียนรู้เพิ่มเติม »
การอนุมานในปริมาณงานมาก
ปรับขนาดการอนุมานโดยใช้อินสแตนซ์ SageMaker และ Amazon EC2 Inf1 เพื่อให้ตรงตามความต้องการด้านเวลาแฝง อัตราการโอนถ่ายข้อมูล และต้นทุนของคุณ
เรียนรู้เพิ่มเติม »
โมเดล ML แบบมัลติโมดัล
ใช้ไลบรารีมัลติโมดัลของ PyTorch เพื่อสร้างโมเดลแบบกำหนดเองสำหรับกรณีการใช้งานต่าง ๆ เช่นการรู้จำลายมือในเวลาจริง
เรียนรู้เพิ่มเติม »
วิธีเริ่มต้นใช้งาน
เรียนรู้ ML ด้วย Amazon SageMaker Studio Lab
เรียนรู้และทดลอง ML โดยใช้สภาพแวดล้อมการพัฒนาฟรีโดยไม่ต้องตั้งค่า
เริ่มต้นใช้งานด้วย PyTorch บน AWS
ค้นพบทุกอย่างที่คุณต้องการเพื่อเริ่มต้นใช้งาน PyTorch บน AWS
สำรวจเพิ่มเติมเกี่ยวกับ PyTorch on AWS
ดูคุณสมบัติหลักและความสามารถเพื่อเริ่มใช้งาน PyTorch
สร้างด้วย Amazon SageMaker JumpStart
ค้นพบโซลูชัน ML ที่สร้างไว้ล่วงหน้าซึ่งคุณสามารถนำมาใช้จริงได้ด้วยไม่กี่คลิก