Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Casos prácticos de ejemplo de DLAMI
Los siguientes son ejemplos de algunos casos de uso comunes de AWS Deep Learning AMIs (DLAMI).
Obtención de conocimientos sobre el aprendizaje profundo: las DLAMI son una gran elección para conocer o enseñar los marcos de trabajo de machine learning y aprendizaje profundo. Esto DLAMIs elimina la molestia que supone solucionar problemas en las instalaciones de cada marco y hacer que funcionen en el mismo ordenador. DLAMIs Incluyen un cuaderno de Jupyter y facilitan la ejecución de los tutoriales que los marcos ofrecen a las personas que no conocen el aprendizaje automático y el aprendizaje profundo.
Desarrollo de aplicaciones: si es un desarrollador de aplicaciones y está interesado en el uso del aprendizaje profundo para conseguir que sus aplicaciones utilicen los avances más recientes en IA, una DLAMI es el banco de pruebas perfecto. Cada marco de trabajo incluye tutoriales sobre cómo empezar a utilizar el aprendizaje profundo, y muchos de ellos tienen colecciones de modelos que permiten probarlo sin necesidad de crear redes neuronales ni de llevar a cabo el entrenamiento de modelos. Algunos ejemplos le muestran cómo crear una aplicación de detección de imágenes en tan solo unos minutos, o cómo crear una aplicación de reconocimiento de voz para su propio chatbot.
Machine learning y análisis de datos: si es un científico de datos o está interesado en procesar datos con el aprendizaje profundo, comprobará que muchos de los marcos de trabajo son compatibles con R y Spark. Encontrará tutoriales sobre cómo crear desde regresiones sencillas hasta sistemas escalables de procesamiento de datos para sistemas de predicción y personalización.
Investigación: si es un investigador que quiere probar un nuevo marco, probar un nuevo modelo o entrenar nuevos modelos, el DLAMI AWS y las capacidades de escalabilidad pueden aliviar las tediosas instalaciones y la administración de varios nodos de entrenamiento.
nota
Si bien la opción inicial podría ser actualizar el tipo de instancia a una instancia más grande con más GPUs (hasta 8), también puede escalar horizontalmente mediante la creación de un clúster de instancias DLAMI. Consulte Información acerca de las DLAMI para obtener más información sobre las compilaciones de clústeres.
