AWS DL Containers: AWS bietet vorgefertigte Umgebungen für KI-Entwicklung an
Entwickler können sich mit den AWS DL Containers die Einrichtung einer Umgebung für ihre Machine-Learning-Programme sparen. Die Docker-Container sind zu gängigen Frameworks wie Apache MXnet und Google Tensorflow kompatibel.
Amazons Cloud-Subunternehmen AWS hat seine Deep-Learning-Container vorgestellt, die auf Docker-Container-Images basieren. Dabei handelt es sich um vorgefertigte Umgebungen, auf denen Entwickler ihre Machine-Learning-Modelle aufbauen können. Die Docker-Images werden mit vorinstallierten Deep-Learning-Frameworks ausgeliefert. Das "macht es einfach, eigene Machine-Learning-Umgebungen schnell einzurichten, indem der komplizierte Aufbau- und Optimierungsprozess von Beginn an übersprungen wird", schreibt AWS in seiner Ankündigung.
Die AWS DL Containers sind kompatibel mit Machine-Learning-Frameworks, die recht verbreitet sind. Dazu zählen Googles Tensorflow und Apache MXNet. Andere Systeme wie Pytorch sollen bald folgen. Die Container sollen von Entwicklern mit der Orchestrierungsplattform Kubernetes genutzt werden können. Diesen Dienst bietet das Unternehmen auch in der Cloud an - als Amazon Elastic Container Service for Kubernetes (Amazon EKS). Auch eine Bereitstellung auf Amazon ECS oder EC2 ist möglich.
Bezahlen für Ressourcen, nicht für Container
Die vorgefertigten Docker-Container stellt AWS kostenlos zur Verfügung. Allerdings müssen Entwickler für die verwendeten Cloud-Rechenressourcen aufkommen. Per Kubernetes und der EC2-Plattform sollen sich Machine-Learning-Anwendungen damit auch als Microservices in andere Anwendungen einbinden lassen.
AWS DL Containers sind sicherlich ein guter Startpunkt, um mit Machine Learning gestützte Applikationen zu entwickeln. Wie viele andere Dienste auch, bindet die Nutzung der Container aber an die AWS-Cloud, solange Entwickler ihre Container nicht auf der eigenen Infrastruktur verwalten möchten oder können.
Wenn das irgendwas taugen soll, dann sollte ich mein trainiertes Modell runterladen...
Kommentieren