AWS Deep Learning AMI 可帮助您快速轻松地开始使用机器学习。AMI 包含大量预建选项，可满足机器学习从业者的各种需求。如果您需要常见深度学习框架的最新版本，Deep Learning AMI 可提供在基于 Conda 的独立虚拟环境中安装的预建 pip 二进制文件。如果您希望测试高级框架功能或者对框架源代码进行微调，包含源代码的 Deep Learning AMI 可提供基于源的自定义框架安装。这些框架通常内建了常见二进制文件中没有的高级优化功能。

在 Volta GPU 上使用 TensorFlow 加快训练速度

包含源代码的 AMI 现在推出了 TensorFlow 1.5.0-rc1。TensorFlow 的这一预发布版本支持 NVidia CUDA 9 和 cuDNN 7 驱动程序，而这些驱动程序采用支持 EC2 P3 实例的 V100 Volta GPU。在测试中，我们在 p3.8xlarge 实例上使用 ImageNet 合成数据在 fp-16 模式下对 ResNet-50 基准进行训练，其速度比使用 TensorFlow 1.4.1 进行训练要快 1.8 倍。由于这是预发布版本，投产前需要进行测试。

在适用于 Ubuntu 和 Amazon Linux 的 Deep Learning AMI 上获取基于 Conda 的预建虚拟环境，以便用于包含 CUDA 8 和 cuDNN 6 的 TensorFlow 1.4.1 常见版本。基于 Conda 的 AMI 现在还推出了 TensorBoard，这是用于对 TensorFlow 模型训练进行监控和调试的可视化工具。要开始使用 TensorBoard，请参阅我们的分步指南。

深度学习框架最新信息

基于 Conda 的 Deep Learning AMI 现在推出了最新版本的热门深度学习框架。它们支持 Caffe 深度学习框架，并且包括 Keras 2.1.3、Microsoft Cognitive Toolkit 2.3.1 和 Theano 1.0。

快速部署和测试深度学习模型

全新 AMI 包含许多更新，有助于您为经过训练的模型快速创建推理终端节点。现在，您可以更快地测试和验证模型并将其与业务应用程序集成，从而减少开发工作原型所需的时间。

基于 Conda 且适用于 TensorFlow 的虚拟环境现在预先安装了 TensorFlow Serving。TensorFlow Serving 采用导出的 TensorFlow 模型，并会创建运行 gRPC 服务的服务器来托管该模型。此外，Apache MXNet 用户还可以使用 MXNet Model Server 来为其模型快速部署基于 HTTP 的推理 API。要想快速导出模型、托管服务器并测试推理 API，请根据我们的开始使用 TensorFlow Serving 和 MXNet Model Server 相关教程进行操作。

深度学习平台最新信息

适用于 Ubuntu 和 Amazon Linux 操作系统的所有 AMI 均使用最新版本的 NVidia GPU 驱动程序和操作系统进行了更新。现在，它们包含用于处理 Spectre 和 Meltdown 漏洞的安全补丁。

开始使用 AWS Deep Learning AMI

可以轻松开始使用 AWS Deep Learning AMI。我们的 AMI 选择主题有助于您选取适合您深度学习项目的 AMI。此外，我们还提供了大量的教程和开发人员资源，可帮助您快速在 AWS 上部署第一个深度学习模型。

您可在 AWS Marketplace 获取最新版本的 AMI。

在独立的虚拟环境中安装了预建 pip 二进制文件的 Deep Learning AMI：

基于源代码构建框架的 AMI：

作者介绍：
**Sumit Thakur 是 AWS 深度学习高级产品经理。**他负责开发让客户能够轻松开始在云端进行深度学习的产品，他专注于使 Deep Learning AMI 引擎更易用。在业余时间，他喜欢亲近自然和观看科幻电视剧。

本文转载自AWS技术博客。

原文链接：
https://amazonaws-china.com/cn/blogs/china/aws-deep-learning-amis-now-come-with-tensorflow-1-5-and-new-model-serving-capabilities/

创作场景

AWS Deep Learning AMI 现在推出 TensorFlow 1.5 和全新 Model Serving 功能