本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 什麼是 AWS 深度學習 AMIs？
<a name="what-is-dlami"></a>

AWS 深度學習 AMIs (DLAMI) 提供自訂機器映像，可用於雲端中的深度學習。DLAMIs 大多數適用於 AWS 區域 各種 Amazon Elastic Compute Cloud (Amazon EC2) 執行個體類型，從小型僅 CPU 執行個體到最新的高功率多 GPU 執行個體。DLAMIs 已預先設定 [NVIDIA CUDA](https://developer.nvidia.com/cuda-zone) 和 [NVIDIA cuDNN](https://developer.nvidia.com/cudnn)，以及最熱門深度學習架構的最新版本。

## 關於本指南
<a name="guide-contents"></a>

中的內容可協助您啟動和使用 DLAMIs。本指南涵蓋數個常見的深度學習使用案例，包括訓練和推論。它還涵蓋如何為您的用途選擇正確的 AMI，以及您可能偏好的執行個體類型。

此外，DLAMIs 包含其支援架構提供的數個教學課程。本指南說明如何啟用每個架構，並尋找適當的教學課程以開始使用。它也有分散式訓練、偵錯、使用 AWS Inferentia 和 AWS Trainium 以及其他重要概念的教學課程。如需如何設定 Jupyter 筆記本伺服器以在瀏覽器中執行教學課程的說明，請參閱 [在 DLAMI 執行個體上設定 Jupyter 筆記本伺服器](setup-jupyter.md)。

## 先決條件
<a name="prerequisites"></a>

若要成功執行 DLAMIs，建議您熟悉命令列工具和基本 Python。

# 範例 DLAMI 使用案例
<a name="use-cases"></a>

以下是 AWS 深度學習 AMIs (DLAMI) 的一些常見使用案例範例。

**了解深度學習** – DLAMI 是學習或教學機器學習和深度學習架構的絕佳選擇。DLAMIs 免除了對每個架構的安裝進行故障診斷的麻煩，並讓他們在同一部電腦上玩耍。DLAMIs 包含 Jupyter 筆記本，可讓您輕鬆執行架構為機器學習和深度學習新手提供的教學課程。

**應用程式開發**：如果您是應用程式開發人員，有興趣使用深度學習讓您的應用程式利用 AI 的最新進展，則 DLAMI 是您的理想選擇。每個架構都隨附如何開始使用深度學習的教學課程，其中多數提供 Model Zoo，讓您無需自行建立神經網路或進行任何模型訓練，就能輕鬆試用深度學習。有些範例會說明如何在幾分鐘內建置影像偵測應用程式，或是如何為您自己的聊天機器人建置語音辨識應用程式。

**機器學習和資料分析** – 如果您是資料科學家，或有興趣使用深度學習處理資料，您會發現許多架構支援 R 和 Spark。您可以找到如何執行簡單迴歸的教學課程，一路到如何為個人化和預測系統建置可擴展性資料處理系統的教學課程。

**研究** – 如果您是想要嘗試新架構、測試新模型或訓練新模型的研究人員，則 DLAMI 和擴展 AWS 功能可以減輕繁瑣安裝和管理多個訓練節點的困擾。

**注意**  
雖然您的初始選擇可能是將執行個體類型升級至具有更多 GPUs （最多 8 個） 的大型執行個體，但您也可以透過建立 DLAMI 執行個體叢集來水平擴展。如需叢集建置的詳細資訊，請查看[DLAMI 的相關資訊](resources.md)。

# DLAMI 的功能
<a name="features"></a>

 AWS 深度學習 AMIs (DLAMI) 的功能包括預先安裝的深度學習架構、GPU 軟體、模型伺服器和模型視覺化工具。

## 預先安裝的架構
<a name="features-frameworks"></a>

DLAMI 目前有兩種主要版本，以及與作業系統 (OS) 和軟體版本相關的其他變化：
+ [使用 Conda 的深度學習 AMI](overview-conda.md) – 使用`conda`套件和個別 Python 環境單獨安裝的架構。
+ [深度學習基礎 AMI](overview-base.md) – 未安裝架構；只有 [NVIDIA CUDA](https://developer.nvidia.com/cuda-zone) 和其他相依性。

搭配 Conda 的深度學習 AMI 使用`conda`環境來隔離每個架構，因此您可以隨意切換它們，而不必擔心其相依性衝突。搭配 Conda 的深度學習 AMI 支援下列架構：
+ PyTorch
+ TensorFlow 2

**注意**  
DLAMI 不再支援下列深度學習架構：Apache MXNet、Microsoft Cognitive Toolkit (CNTK)、Caffe、Caffe2、Theano、 Chainer 和 Keras。

## 預先安裝的 GPU 軟體
<a name="features-gpu"></a>

即使您使用僅使用 CPU 的執行個體，DLAMIs也會有 [NVIDIA CUDA](https://developer.nvidia.com/cuda-zone) 和 [NVIDIA cuDNN](https://developer.nvidia.com/cudnn)。無論執行個體類型為何，安裝的軟體都相同。請記住，GPU 特定工具僅適用於至少有一個 GPU 的執行個體。如需執行個體類型的詳細資訊，請參閱 [選擇 DLAMI 執行個體類型](instance-select.md)。

如需 CUDA 的詳細資訊，請參閱 [CUDA 安裝和架構連結](overview-cuda.md)。

## 模型服務和視覺化
<a name="features-gpu"></a>

搭配 Conda 的深度學習 AMI 預先安裝適用於 TensorFlow 的模型伺服器，以及適用於模型視覺化的 TensorBoard。如需詳細資訊，請參閱[TensorFlow 服務](tutorial-tfserving.md)。