Instâncias Inf1 do Amazon EC2

Inferência de machine learning de alta performance e baixo custo

Empresas de vários setores estão buscando transformação com tecnologia de inteligência artificial para orientar a inovação empresarial, aprimorar a experiência do cliente e processar melhorias. Os modelos de machine learning (ML) que alimentam as aplicações de IA estão se tornando cada vez mais complexos, resultando no aumento de custos de infraestrutura de computação básica. Muitas vezes, até 90% do gasto com infraestrutura para desenvolver e executar aplicações de ML é usado na inferência. Os clientes buscam por soluções de infraestrutura econômicas para implantar suas aplicações de ML na produção.

As instâncias Inf1 do Amazon EC2 oferecem inferência de ML de alta performance e baixo custo. Elas entregam um throughput até 2,3 vezes maior e um custo até 70% menor por inferência em comparação com as instâncias do Amazon EC2. As instâncias Inf1 são criadas do zero para dar suporte a aplicações de inferência de ML. Elas contam com até 16 chips AWS Inferentia, chips de ML de alta performance projetados e fabricados pela AWS. Além disso, as instâncias Inf1 incluem processadores Intel Xeon Scalable da segunda geração e redes de até 100 Gbps para entregar inferência com alto throughput.

Os clientes podem usar instâncias Inf1 para executar aplicações de inferência de ML em grande escala, como pesquisa, mecanismos de recomendação, visão computacional, reconhecimento de fala, processamento de linguagem natural (PLN), personalização e detecção de fraude.

Os desenvolvedores podem implantar seus modelos de ML em instâncias Inf1 usando o AWS Neuron SDK, que está integrada a frameworks conhecidos de ML, como TensorFlow, PyTorch e Apache MXNet. Eles podem continuar usando os mesmos fluxos de trabalho de ML e migrar aplicações sem interrupções para instâncias Inf1 com alterações mínimas no código e sem depender de soluções específicas de um fornecedor.

Comece facilmente com instâncias Inf1 usando o Amazon SageMaker, as AMIs de deep learning da AWS (DLAMI) que vêm pré-configuradas com o Neuron SDK, ou o Amazon Elastic Container Service (Amazon ECS) ou o Amazon Elastic Kubernetes Service (Amazon EKS) para aplicações de ML em contêineres.

Instâncias Inf1 do Amazon EC2 (1:23)

Benefícios

Custo até 70% menor por inferência

Usando instâncias Inf1, os desenvolvedores podem reduzir significativamente o custo de suas implantações de produção de ML. A combinação de baixo custo e alto throughput das instâncias Inf1 fornecem um custo por inferência até 70% menor em comparação com às instâncias do Amazon EC2.

Facilidade de uso e portabilidade de código

O Neuron SDK está integrado a frameworks comuns de ML, como TensorFlow, PyTorch e MXNet. Os desenvolvedores podem continuar usando os mesmos fluxos de trabalho de ML e migrar sua aplicação sem interrupções para instâncias Inf1 com alterações mínimas no código. Assim eles têm liberdade para usar o framework de ML que preferirem e a plataforma de computação que melhor atenda a seus requisitos. Também podem utilizar as tecnologias mais recentes sem ficarem dependentes de soluções específicas de um fornecedor.

Throughput até 2,3 vezes maior

As instâncias Inf1 entregam throughput até 2,3 vezes maior em comparação com as instâncias do Amazon EC2. Os chips AWS Inferentia que viabilizam as instâncias Inf1 são otimizados para performance de inferência em lotes de tamanho pequeno, o que permite que as aplicações em tempo real maximizem a throughput e atendam aos requisitos de latência.

Latência extremamente baixa

Os chips AWS Inferentia são equipados com uma grande memória no chip que permite o armazenamento em cache de modelos de ML diretamente no próprio chip. É possível implantar seus modelos usando funcionalidades como o NeuronCore Pipeline, que elimina a necessidade de acessar recursos fora da memória. Com as instâncias Inf1, você pode implantar aplicações de inferência em tempo real a latências quase em tempo real sem afetar a largura de banda.

Suporte para vários modelos de ML e tipos de dados

As instâncias Inf1 oferecem suporte a muitas arquiteturas de modelagem de ML comumente usadas, como SSD, VGG e ResNext para reconhecimento/classificação de imagens, bem como Transformer e BERT para PLN. Além disso, o suporte para o repositório de modelos HuggingFace no Neuron oferece aos clientes a capacidade de compilar e executar a inferência facilmente usando modelos pré-treinados ou detalhadamente ajustados. Basta trocar uma única linha de código. Também há suporte para vários tipos de dados, incluindo BF16 e FP16 com precisão mista para vários modelos e necessidades de performance.

Atributos

Desenvolvido pelo AWS Inferentia

O AWS Inferentia é um chip de ML projetado pela AWS para fornecer alta performance com economia. Cada chip AWS Inferentia tem quatro NeuronCores de primeira geração e fornece até 128 operações tera por segundo (TOPS) de performance, além de suporte para tipos de dados FP16, BF16 e INT8. Os chips AWS Inferentia apresentam uma grande memória interna que pode ser usada para armazenar grandes modelos em cache, o que é especialmente vantajoso para modelos que exigem acesso frequente à memória.

O SDK do AWS Neuron consiste em um compilador, driver de runtime e ferramentas de criação de perfil. Ele permite a implantação de modelos complexos de redes neurais, criados e treinados em estruturas de trabalho populares, como TensorFlow, PyTorch e MXNet, para serem executados usando instâncias Inf1. Com o NeuronCore Pipeline, você pode dividir modelos grandes para execução em vários chips Inferentia usando uma interconexão física entre chips de alta velocidade, gerando alto throughput de inferência e custos de inferência reduzidos.

Rede e armazenamento de alta performance

As instâncias Inf1 oferecem até 100 Gbps de throughput de rede para aplicações que requerem acesso a rede de alta velocidade. A tecnologia de última geração do Adaptador de Rede Elástica (ENA) e do NVM Express (NVMe) proporciona instâncias Inf1 com alto throughput e interfaces de baixa latência para redes e para o Amazon Elastic Block Store (Amazon EBS).

Baseadas no AWS Nitro System

O AWS Nitro System é uma coleção sofisticada de blocos de criação que transferem muitas das funções tradicionais de virtualização para hardware e software dedicados para entregar altos níveis de performance, disponibilidade e segurança, além de reduzir a sobrecarga da virtualização.

Como funciona

Como usar Inf1 e o AWS Inferentia

Depoimentos de clientes

Snap Inc
“Incorporamos ML a vários aspectos do Snapchat, e explorar a inovação nesta área é uma prioridade importantíssima. Depois que conhecemos o Inferentia, começamos a colaborar com a AWS para adotar instâncias Inf1/Inferentia para nos ajudar com a implantação de ML, inclusive sobre performance e custo. Começamos com nossos modelos de recomendação e estamos ansiosos para adotar mais modelos com as instâncias Inf1 no futuro.”

Nima Khajehnouri, vice-presidente de engenharia da Snap Inc.
Sprinklr
"A plataforma Unified Customer Experience Management orientada por IA da Sprinklr (Unified-CXM) permite que as empresas coletem e traduzam o feedback do cliente em tempo real por meio de vários canais em insights acionáveis. Isso resulta em resolução proativa de problemas, aperfeiçoamento do desenvolvimento de produtos, aprimoramento do marketing de conteúdo, melhor atendimento ao cliente e muito mais. Com a instância Inf1 do Amazon EC2, conseguimos melhorar significativamente a performance de um de nossos modelos de PLN e melhorar a performance de um de nossos modelos de visão computacional. Estamos ansiosos para continuar usando a instância Inf1 do Amazon EC2 para melhor atender nossos clientes globais.”

Vasant Srinivasan, VP sênior de engenharia de produto, Sprinklr
Print
“Nosso produto de PLN de última geração, Finch for Text, oferece aos usuários recursos para extrair, clarificar e aperfeiçoar vários tipos de entidades em grandes volumes de texto. A Finch for Text requer recursos de computação significativos para fornecer aos seus clientes aperfeiçoamentos de baixa latência em alimentações de dados globais. Atualmente, estamos usando instâncias Inf1 da AWS em nos nossos modelos de NLP do PyTorch, de tradução e de desambiguação de entidade. Podemos reduzir nossos custos de inferência em mais de 80% (pelas GPUs) com otimizações mínimas, enquanto mantemos a velocidade e a performance da inferência. Esse aperfeiçoamento permite que nossos clientes aprimorem seus textos nos idiomas francês, espanhol, alemão e holandês em tempo real nas alimentações de dados por streaming em uma escala global, o que é essencial para nossos serviços financeiros, para o agregador de dados e para nossos clientes do setor público.”

Scott Lightner, diretor de tecnologia da Finch Computing
Finch Computing
“Alertamos sobre vários tipos de eventos em todo o mundo em vários idiomas, em diferentes formatos (imagens, vídeo, áudio, sensores de texto, combinações de todos esses tipos) de centenas de milhares de fontes. Otimizar a velocidade e o custo, considerando essa escala, é absolutamente essencial para nossos negócios. Com o AWS Inferentia, reduzimos a latência do modelo e alcançamos um throughput até nove vezes melhor por dólar. Isso nos permitiu aumentar a precisão do modelo e aumentar os recursos de nossa plataforma implantando modelos de DL mais sofisticados e processando 5 vezes mais volume de dados, mantendo nossos custos sob controle.”

Alex Jaimes, cientista-chefe e vice-presidente sênior de IA da Dataminr
Autodesk
“O Autodesk está aprimorando a tecnologia cognitiva do nosso assistente virtual baseado em IA, o Autodesk Virtual Agent (AVA), com o uso do Inferentia. O AVA responde a mais de 100.000 perguntas de clientes por mês empregando técnicas de Natural Language Understanding (NLU – Compreensão da linguagem natural) e de Deep Learning (DL – Aprendizado profundo) para extrair o contexto, a finalidade e o significado das consultas. No projeto piloto do Inferentia, conseguimos alcançar throughputs 4,9 vezes superiores em relação ao G4dn para nossos modelos de NLU, e não vemos a hora de executar mais workloads nas instâncias Inf1 baseadas no Inferentia.”

Binghui Ouyang, Cientista de dados sênior, Autodesk
Screening Eagle
“O uso do radar de penetração no solo e da detecção de defeitos visuais é normalmente o domínio de inspetores especializados. Uma arquitetura baseada em microsserviços da AWS nos permite processar vídeos capturados por veículos de inspeção automatizados e por inspetores. Ao migrar os modelos criados internamente das instâncias baseadas em GPU para o Inferentia, conseguimos reduzir 50% do custo. Além disso, conseguimos melhorar a performance, quando comparamos os tempos com uma instância G4dn de GPU. Nossa equipe está entusiasmada com a execução de mais workloads nas instâncias Inf1 baseadas no Inferentia.”

Jesús Hormigo, Diretor de nuvem e IA, Screening Eagle Technologies
NTT PC

A NTT PC Communications, um provedor de soluções de comunicação e serviços de rede no Japão, é líder em telecomunicações na introdução de novos produtos inovadores no mercado de tecnologia da informação e comunicação.

“A NTT PC desenvolveu o AnyMotion, um serviço de plataforma API de análise de movimento baseado em modelos avançados de ML para estimativa de postura. Implantamos nossa plataforma AnyMotion em instâncias Inf1 do Amazon EC2 usando o Amazon ECS para um serviço de orquestração de contêineres totalmente gerenciado. Ao implantar nossos contêineres AnyMotion na instância Inf1 do Amazon EC2, notamos que o throughput aumentou cerca de quatro vezes e meia, a latência de inferência diminuiu 25% e o custo foi reduzido em 90% em comparação com as instâncias do EC2 baseadas em GPU da geração atual. Esses resultados superiores ajudarão a melhorar a qualidade dos serviços da AnyMotion em grande escala.”

Toshiki Yanagisawa, engenheiro de software, NTT PC Communications Incorporated
Anthem

A Anthem é uma das empresas de prestação de serviços de saúde líderes do mercado, que atende às necessidades de mais de 40 milhões de associados do setor de saúde em vários estados americanos. 

“O mercado de plataformas de saúde digital está crescendo a um ritmo notável. A coleta de inteligência neste mercado é um desafio, devido ao grande volume de dados de opiniões dos clientes e à sua natureza não estruturada. A nossa aplicação automatiza a geração de insights práticos obtidos pelas opiniões dos clientes, por meio de modelos de linguagem natural de DL (Transformers). A aplicação tem um forte componente computacional e precisa ser implantada com alta performance. Implantamos facilmente nossa workload de inferência do DL nas instâncias Inf1 do Amazon EC2, com a tecnologia do processador AWS Inferentia. As novas instâncias Inf1 oferecem uma throughput duas vezes maior para as instâncias baseadas em GPU, e nos permitem agilizar as workloads de inferência.”

Numan Laanait e Miro Mihaylov, PhDs, principais cientistas de IA/dados da Anthem

 

Condé Nast
“O portfólio global da Condé Nast abrange mais de 20 marcas líderes de mídia, incluindo Wired, Vogue e Vanity Fair. Em poucas semanas, nossa equipe conseguiu integrar nosso mecanismo de recomendação com os chips do AWS Inferentia. Essa união permite várias otimizações de tempo de execução para modelos de linguagem natural de última geração nas instâncias Inf1 do SageMaker. Como resultado, observamos uma redução de 72% no custo em relação às instâncias de GPU implantadas anteriormente.”

Paul Fryzel, engenheiro-chefe de infraestrutura de IA, Condé Nast
Ciao
"A Ciao está transformando câmeras de segurança convencionais em câmeras de análise de alto desempenho equivalentes à capacidade de um olho humano. Nosso aplicativo está promovendo o avanço da prevenção de desastres, monitorando condições ambientais por meio de soluções de câmera com IA baseadas na nuvem para emitir alertas antes que a situação evolua para um desastre. Esses alertas permitem reagir precocemente à situação. Com base na detecção de objetos, também podemos fornecer informações estimando o número de clientes chegando sem a presença de funcionários em lojas físicas. A Ciao Camera adotou comercialmente instâncias Inf1 do AWS Inferentia com desempenho de preço 40% superior ao G4dn com YOLOv4. Queremos ter mais de nossos serviços com a instância Inf1 para poder desfrutar de sua eficiência de custos significativa.”

Shinji Matsumoto, engenheiro de software, Ciao Inc.
欧文ベーシックロゴ(The Asahi Shimbun)
“O Asahi Shimbun é um dos jornais diários mais populares do Japão. O Media Lab, um dos departamentos da nossa empresa, tem a missão de pesquisar as tecnologias mais recentes, especialmente de IA e conectar as tecnologias de ponta para novos negócios. Com o lançamento das instâncias do Amazon EC2 Inf1 baseadas no AWS Inferentia em Tóquio, testamos nossa aplicação de IA de resumo de texto com base em PyTorch nessas instâncias. Essa aplicação processa uma grande quantidade de texto e gera manchetes e frases resumidas treinadas em artigos dos últimos 30 anos. Usando o Inferentia, reduzimos os custos em uma ordem de magnitude em relação às instâncias baseadas em CPU. Essa redução significativa nos custos nos permitirá implantar nossos modelos mais complexos em escala, que antes acreditávamos não ser economicamente viável.”

Hideaki Tamori, PhD, administrador sênior, Media Lab, The Asahi Shimbun Company
CS Disco
“A CS Disco está reinventando a tecnologia jurídica como fornecedora líder de soluções de IA para descoberta eletrônica, desenvolvidas por advogados para advogados. O Disco AI acelera a tarefa ingrata de vasculhar terabytes de dados, acelerando os tempos de revisão e melhorando a precisão da revisão ao alavancar modelos complexos de PLN, que são computacionalmente caros e de custo proibitivo. A Disco descobriu que as instâncias Inf1 baseadas no AWS Inferentia reduzem o custo de inferência no Disco AI em pelo menos 35% em comparação com as instâncias de placa de vídeo atuais. Com base nesta experiência positiva com as instâncias Inf1, a CS Disco vai explorar oportunidades de migração para o Inferentia.”

Alan Lockett, diretor sênior de pesquisa, CS Disco
Talroo
“Na Talroo, oferecemos aos nossos clientes uma plataforma baseada em dados que lhes permite atrair candidatos únicos, para que possam fazer contratações. Estamos constantemente explorando novas tecnologias para garantir que a empresa possa oferecer os melhores produtos e serviços aos seus clientes. Usando o Inferentia, extraímos percepções de um corpo de dados de texto para aprimorar nossa tecnologia de busca e correspondência baseada em IA. A Talroo aproveita as instâncias Inf1 do Amazon EC2 para criar modelos de NLU de alto throughput com o SageMaker. O teste inicial do Talroo mostra que as instâncias do Amazon EC2 Inf1 oferecem latência de inferência 40% menor e throughput 2x maior em comparação às instâncias baseadas em GPU G4dn. Com base nesses resultados, a Talroo espera usar instâncias Inf1 do Amazon EC2 como parte de sua infraestrutura da AWS.”

Janet Hu, engenheiro de software, Talroo
DMP
"A Digital Media Professionals (DMP) visualiza o futuro com uma plataforma ZIA™ baseada em IA. As eficientes tecnologias de classificação de visão computacional da DMP são usadas para criar insights sobre os grandes volumes de dados de imagem em tempo real, como observação de condições e prevenção de crimes e de acidentes. Reconhecemos que nossos modelos de segmentação de imagem são executados quatro vezes mais rápido em instâncias Inf1 baseadas em AWS Inferentia em comparação com instâncias G4 baseadas em GPU. Devido a esse maior throughput e menor custo, o Inferentia nos permite implantar nossas workloads de IA, como aplicações para câmeras automotivas em escala.”

Hiroyuki Umeda, diretor e gerente geral, Grupo de marketing e vendas, Digital Media Professionals
Hotpot.ai

A Hotpot.ai capacita profissionais fora da área de design para criar gráficos atraentes, e ajuda os designers profissionais a automatizar as tarefas mecânicas. 

“Como o ML é o centro da nossa estratégia, estamos muito interessados em experimentar as instâncias Inf1 baseadas no AWS Inferentia. Consideramos as instâncias Inf1 fáceis de integrar à nossa pipeline de pesquisa e desenvolvimento. O mais importante é que observamos ganhos de performance impressionantes, comparado às instâncias baseadas no G4dn GPU. Com o nosso primeiro modelo, as instâncias Inf1 renderam aproximadamente 45% a mais de taxa de transferência e reduziram em quase 50% os custos por inferência. Pretendemos trabalhar junto à equipe da AWS para implementar outros modelos e transferir a maioria da nossa infraestrutura de inferências de ML para o AWS Inferentia.”

Clarence Hu, fundador da Hotpot.ai
SkyWatch
"A SkyWatch processa centenas de trilhões de pixels de dados de observação da Terra, capturados no espaço todos os dias. A adoção das novas instâncias Inf1 baseadas no AWS Inferentia com o uso do Amazon SageMaker para classificação de qualidade de imagem e detecção na nuvem em tempo real foi rápida e fácil. Foi tudo uma questão de trocar o tipo de instância em nossa configuração de implantação. Trocando os tipos de instância para Inf1 baseada no Inferentia, melhoramos a performance em 40% e reduzimos os custos gerais em 23%. Este foi um grande ganho. Ele nos permitiu reduzir nossos custos operacionais gerais, continuando ao mesmo tempo a oferecer aos nossos clientes uma geração de imagens por satélite de alta qualidade com o mínimo de sobrecarga de engenharia. Esperamos fazer a transição de todos os nossos endpoints de inferência e processos de ML em lotes para o uso de instâncias Inf1, a fim de aprimorar ainda mais a confiabilidade dos nossos dados e a experiência do cliente.”

Adler Santos, gerente de engenharia, SkyWatch
Money Forward, Inc.

A Money Forward, Inc. presta serviços a empresas e indivíduos com uma plataforma financeira aberta e justa. Como parte dessa plataforma, a HiTTO Inc., empresa do grupo Money Forward, oferece um serviço de chatbot de IA, que usa modelos NLP personalizados para abordar várias necessidades dos seus clientes corporativos.

“A migração do nosso chatbot de IA para instâncias Inf1 do Amazon EC2 foi simples. Concluímos a migração em dois meses e lançamos um serviço em grande escala nas instâncias Inf1 usando o Amazon ECS. Conseguimos reduzir nossa latência de inferência em 97% e nossos custos de inferência em mais de 50% (com relação a instâncias baseadas em GPU comparáveis) ao servir vários modelos por instância Inf1. Esperamos executar mais workloads nas instâncias Inf1 baseadas no Inferentia.”

Kento Adachi, líder técnico, escritório da diretoria de tecnologia da Money Forward, Inc.

Serviços da Amazon que usam instâncias Inf1 do Amazon EC2

Publicidade da Amazon

O Amazon Advertising ajuda negócios de todos os tamanhos a se conectarem com seus clientes em todos os estágios da jornada de compra. Milhões de anúncios, incluindo texto e imagens, são moderados, classificados e oferecidos para uma experiência ideal do cliente diariamente.

“Para nosso processamento de anúncios em texto, implantamos modelos BERT baseados em PyTorch globalmente no AWS Inferentia baseado em instâncias Inf1. Ao mover dos GPUs para o Inferentia conseguimos reduzir nosso custo em 69% com performance comparável. Levamos menos de três semanas para compilar e testar nossos modelos para o AWS Inferentia. Ao usar o Amazon SageMaker para implantar nossos modelos para instâncias Inf1 garantimos que nossa implantação fosse escalável e fácil de gerenciar. Quando analisei pela primeira vez os modelos compilados, a performance com o AWS Inferentia foi tão impressionante que não precisei de executar novamente as avaliações para assegurar que estavam corretos! Daqui para frente, planejamos migrar nossos modelos de processamento de anúncios em imagem para o Inferentia. Já avaliamos e observamos uma latência 30% menor e uma economia de custo de 71% em relação a instâncias comparáveis baseadas em GPU para esses modelos.”

Yashal Kanungo, cientista aplicada, Amazon Advertising

Leia o blog de notícias »
Alexa 8up logo
“A IA e a inteligência baseada em ML do Amazon Alexa, desenvolvidas com a tecnologia AWS, estão disponíveis hoje em mais de 100 milhões de dispositivos, e nossa promessa para os clientes é que a Alexa ficará cada vez mais inteligente, mais conversacional, mais proativa e até mesmo mais prazerosa. O cumprimento dessa promessa requer aperfeiçoamentos contínuos nos tempos de resposta e nos custos de infraestrutura de ML, que é a razão pela qual estamos muito satisfeitos com o uso de instâncias Inf1 do Amazon EC2 para reduzir a latência de inferência e o custo por inferência no recurso de conversão de texto em fala da Alexa. Com as instâncias Inf1 do Amazon EC2, poderemos melhorar o serviço ainda mais para as dezenas de milhões de clientes que usam a Alexa todos os meses.”

Tom Taylor, vice-presidente sênior, Amazon Alexa
 
“Estamos inovando constantemente para aperfeiçoar nossa experiência do cliente e reduzir nossos custos de infraestrutura. Mudar nossas workloads de perguntas e respostas baseadas na Web (WBQA) de instâncias P3 baseadas em GPU para instâncias Inf1 baseadas no AWS Inferentia não só nos ajudou a reduzir custos de inferência em 60%, como também melhorou a latência ponta a ponta em mais de 40%, ajudando a melhorar a experiência de perguntas e respostas do cliente com a Alexa. Usar o Amazon SageMaker para nosso modelo baseado em TensorFlow tornou o processo de troca para instâncias Inf1 simples e fácil de gerenciar. Agora estamos usando instâncias Inf1 globalmente para executar essas workloads de WBQA, além de otimizar a performance dessas instâncias no AWS Inferentia para reduzir ainda mais o custo e a latência.”

Eric Lind, engenheiro de desenvolvimento de software, Alexa AI
Amazon Alexa
“O Amazon Prime Video usa modelos de ML de visão computacional para analisar a qualidade dos vídeos de eventos ao vivo, a fim de garantir uma ótima experiência aos expectadores membros do Prime Video. Implantamos nossos modelos de ML para a classificação de imagens nas instâncias Inf1 do EC2 e a performance melhorou 4 vezes mais, além de observarmos uma redução de até 40% dos custos. Estamos tentando usar essas economias para inovar e criar modelos avançados, que possam detectar defeitos mais complexos, como intervalos de sincronização entre arquivos de áudio e vídeo para promover uma experiência de visualização aprimorada para os membros do Prime Video.”

Victor Antonino, Arquiteto de soluções da Amazon Prime Video
Amazon Alexa
"O Amazon Rekognition é uma aplicação descomplicada de análise de vídeo e imagem que ajuda os clientes a identificar objetos, pessoas, texto e atividades. O Amazon Rekognition precisa de uma infraestrutura de DL de alta performance que seja capaz de analisar bilhões de imagens e vídeos diariamente para os nossos clientes. Com as instâncias Inf1 baseadas no AWS Inferentia, executar modelos do Amazon Rekognition, como classificação de objetos, resultou em latência oito vezes menor e throughput duas vezes maior em comparação com a execução desses modelos em GPUs. Com base nesses resultados, estamos migrando o Amazon Rekognition para Inf1, permitindo que nossos clientes recebam resultados precisos com mais rapidez.”

Rajneesh Singh, diretor de engenharia de software do Amazon Rekognition e Video

Definição de preço

*Os preços mostrados são para a região Leste dos EUA (Norte da Virgínia) da AWS. Os preços das instâncias reservadas para 1 e 3 anos são para as opções de pagamento “pagamento adiantado parcial” ou para as opções de pagamento "sem pagamento adiantado" de instâncias que não têm a opção “adiantado parcial”.

As instâncias Inf1 do Amazon EC2 estão disponíveis nas regiões da AWS Leste dos EUA (Norte da Virgínia) e Oeste dos EUA (Oregon) como instâncias sob demanda, reservadas ou spot.

Conceitos básicos

Usar o Amazon SageMaker

O SageMaker facilita a compilação e implantação de seu modelo de ML treinado na produção em instâncias Inf1 da Amazon para que você possa começar a gerar previsões em tempo real com baixa latência. O AWS Neuron, o compilador do AWS Inferentia, é integrado ao Amazon SageMaker Neo, ajudando você a compilar seus modelos de ML treinados para serem executados em instâncias Inf1 de maneira ideal. Com o SageMaker, você pode executar com facilidade seus modelos em clusters de escalabilidade automática de instâncias Inf1, distribuídos em várias zonas de disponibilidade, para entregar inferência em tempo real de alta performance e alta disponibilidade. Saiba como implantar no Inf1 usando o SageMaker com exemplos no GitHub.

Usar o DLAMI

A DLAMI disponibiliza a profissionais e pesquisadores de ML a infraestrutura e as ferramentas necessárias para acelerar o DL na nuvem em qualquer escala. O SDK do AWS Neuron vem pré-instalado no DLAMI para compilar e executar seus modelos de ML de forma otimizada em instâncias Inf1. Para obter orientações sobre como começar a usar, acesse oguia de seleção de AMIs e mais recursos de DL. Consulte o guia de Conceitos básicos do AWS DLAMI para aprender a usar o DLAMI com o Neuron.

Usar contêineres do Deep Learning

Os desenvolvedores agora podem implantar instâncias Inf1 no Amazon EKS, que é um serviço Kubernetes totalmente gerenciado, bem como no Amazon ECS, que é um serviço de orquestração de contêineres totalmente gerenciado da Amazon. Saiba mais sobre como começar a usar as instâncias Inf1 no Amazon EKS ou com o Amazon ECS. Mais detalhes sobre a execução de contêineres em instâncias Inf1 estão disponíveis na página do tutorial de ferramentas de contêiner do Neuron. O Neuron também está disponível pré-instalado nos contêineres de aprendizado profundo da AWS.

Blogs e artigos

How Amazon Search reduced ML inference costs by 85% with AWS Inferentia

por João Moura, Jason Carlson, Jaspreet Singh, Shaohui Xi, Shruti Koparkar, Haowei Sun, Weiqi Zhang e Zhuoqi Zhangs, 22/9/2022

Choose the best AI accelerator and model compilation for computer vision inference with Amazon SageMaker (Escolher a melhor compilação de modelos e aceleradores de IA para a interface de visão computacional com o Amazon SageMaker)

por Davide Galliteli e Hasan Poonawala, 19/10/2021

Machine learning in the cloud is helping businesses innovate (Empresas estão inovando na nuvem com ajuda do machine learning)

por MIT Technology Review Insights, 15/10/2021

Serve 3,000 deep learning models on Amazon EKS with AWS Inferentia for under $50 an hour (Disponibilizar 3.000 modelo de aprendizado profundo no Amazon EKS com AWS Inferentia por menos de USD 50 a hora)

por Alex Iankoulski, Joshua Correa, Mahadevan Balasubramaniam e Sundar Ranganatha, 30/09/2021

Achieve 12x higher throughput and lowest latency for PyTorch Natural Language Processing applications out-of-the-box on AWS Inferentia (Alcançar uma taxa de transferência 12 vezes maior e a mais baixa latência para aplicações de Processamento de linguagem natural prontas para uso no AWS Inferentia)

por Fabio Nonato de Paula e Mahadevan Balasubramaniam, 04/05/2021

How We Used AWS Inferentia to Boost PyTorch NLP Model Performance by 4.9x for the Autodesk Ava Chatbot (Como usamos o AWS Inferentia para impulsionar a performance do modelo de NLP em PyTorch em 4,9 vezes o Autodesk Ava Chatbot)

por Binghui Ouyang, 07/04/2021

Announcing availability of Inf1 instances in Amazon SageMaker for high performance and cost-effective machine learning inference (Anúncio da disponibilidade de instâncias Inf1 no Amazon SageMaker para inferência de machine learning de alta performance e economia)

por Julien Simon, 22/04/2020

Amazon ECS Now Supports EC2 Inf1 Instances (Agora o Amazon ECS é compatível com instâncias Inf1 do EC2)

por Julien Simon, 14/08/2020

Recursos adicionais