Preguntas frecuentes sobre los contenedores para aprendizaje profundo de AWS

P: ¿Qué son los contenedores para aprendizaje profundo de AWS (AWS Deep Learning Containers)?

Los contenedores para aprendizaje profundo de AWS (AWS Deep Learning Containers) ofrecen a los profesionales que trabajan con aprendizaje automático y profundo entornos de Docker optimizados para entrenar e implementar modelos en sus canalizaciones y flujos de trabajo en Amazon Sagemaker, Amazon EC2, Amazon ECS y Amazon EKS. Estos contenedores se encuentran disponibles como imágenes de Docker para realizar tareas de entrenamiento e inferencia con TensorFlow, PyTorch, y MXNet en Amazon ECR.

P: ¿A quiénes están destinados los contenedores para aprendizaje profundo de AWS?

Los contenedores para aprendizaje profundo de AWS se mantienen actualizados con las versiones más recientes de los marcos y controladores, se prueban en cuanto a compatibilidad y seguridad y se ofrecen sin costo adicional. También se pueden personalizar siguiendo nuestras guías de recetas. El uso de contenedores para aprendizaje profundo de AWS como elemento fundamental para los entornos de machine learning reduce la carga de trabajo de los equipos de operaciones e infraestructura, reduce los costos operativos, acelera el desarrollo de productos de machine learning y permite que los equipos de machine learning se centren en el trabajo de valor agregado de obtener información basada en el machine learning a partir de los datos de la organización. Los contenedores para aprendizaje profundo se mantienen actualizados con las versiones más recientes de los marcos y controladores, se prueban en cuanto a compatibilidad y seguridad y se ofrecen sin costo adicional. También se pueden personalizar siguiendo nuestras guías de recetas. El uso de contenedores para aprendizaje profundo como elemento fundamental para los entornos de machine learning reduce la carga de trabajo de los equipos de operaciones e infraestructura, reduce los costos operativos, acelera el desarrollo de productos de machine learning y permite que los equipos de machine learning se centren en el trabajo de valor agregado de obtener información basada en el machine learning a partir de los datos de la organización.

P: ¿Cómo es la interacción de este servicio con los demás servicios de AWS?

Los contenedores para aprendizaje profundo de AWS se crean, prueban y optimizan para utilizarse en Amazon Sagemaker, Amazon EC2, Amazon ECS y Amazon EKS. Las imágenes de Docker para aprendizaje profundo de AWS se encuentran disponibles en Amazon ECR. A los fines de realizar tareas de entrenamiento e inferencia de modelos de aprendizaje profundo mediante el uso de GPU, los contenedores para aprendizaje profundo de AWS necesitan que la imagen de máquina de Amazon (AMI) subyacente cuente con los controladores de GPU correspondientes. Estos contenedores están diseñados para funcionar con las AMI para GPU predeterminadas de Amazon SageMaker, Amazon ECS y Amazon EKS.

P: ¿Cómo funcionan los contenedores para aprendizaje profundo de AWS con las AMI de aprendizaje profundo de AWS?

Las AMI de aprendizaje profundo de AWS son imágenes de máquina de Amazon (AMI) de EC2 creadas y optimizadas para crear y entrenar modelos de aprendizaje automático y profundo, además de ajustar sus inferencias. Si desea obtener más información, consulte AMI de aprendizaje profundo de AWS. Para obtener más información acerca de cómo usar los contenedores para aprendizaje profundo de AWS en EC2, consulte la documentación.

P: ¿Debo pagar el uso de los contenedores para aprendizaje profundo de AWS?

Los contenedores para aprendizaje profundo de AWS se encuentran disponibles sin costo adicional. Solo debe pagar por Amazon Sagemaker, Amazon EC2, Amazon ECS, Amazon EKS y otros recursos de AWS que utilice.

P: ¿Cómo obtengo acceso a las imágenes de Docker destinadas a los contenedores para aprendizaje profundo de AWS?

Puede obtener acceso a las imágenes de Docker destinadas a los contenedores para aprendizaje profundo de AWS a partir de los repositorios en Amazon ECR. Si desea obtener más información, consulte la documentación para ver una lista de las imágenes de Docker disponibles.