AWS发布深度学习容器和AI基础设施新选项

刚刚与大众汽车公司（Volkswagen AG）达成重大的基础设施协议，AWS马不停蹄地又推出了让企业在使用其云平台时更具灵活性的新功能。

主要亮点是一款名为AWS Deep Learning Containers的软件包，它由来自开源生态系统的主流人工智能工具组成，AWS将这些工具打包到Docker容器中，使其可以轻松部署在不同类型的AWS计算实例上。这么做的目的是为了让工程师在短短几分钟时间内，就能设置好基于云的人工智能开发环境。

Deep Learning Containers还打包了很多提高AI性能的优化。例如，AWS预打包版本的TensorFlow深度学习框架，可以训练神经网络使其速度提高到最初版本的两倍，而这主要是通过允许软件更有效地在AWS云平台将工作分布到不同图形卡上实现的。

TensorFlow是这次AWS发布Deep Learning Container仅支持的两款AI工具之一，另外一个工具是Apache MXNet。Amazon表示，未来还将支持更多框架。

AWS人工智能总经理Matt Wood表示，Deep Learning Container旨在帮助企业利用优化的、预打包的容器图像快速设置深度学习环境，“我们希望让机器学习不再那么深奥难懂”。

此外，AWS还针对Redshift数据仓库的一款新自动化工具，旨在减少客户的管理开销。这个名为Concurrency Scaling的机制可以在出现使用高峰时分配额外的处理能力，并在需要时取消额外资源配置。AWS还借这次机会正式宣布App Mesh网络监控工具全面上市。

除了以上这些新功能之外，AWS还推出了三个基础设施选项，主要针对那些希望削减云支出的企业。第一个是Glacier Deep Archive，是AWS S3对象存储服务中的一个新层，旨在保护不常访问的数据如财务审计日志等。它比AWS为此类用例提供的现有S3 Glacier Archive层便宜75％。

此外AWS还发布了M5a和R5a计算实例系列的新版本，这些实例于去年11月份推出，采用了AWS的芯片，比基于英特尔至强处理器的AWS设备成本低10％。

据AWS介绍，M5a和R5a节点可以配置75GB到3．6TB的直连NVMe闪存驱动器，由于非常靠近底层物理服务器，因此访问速度要高于常规存储。