Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.
# Apa itu AWS Deep Learning AMIs?
AWS Deep Learning AMIs (DLAMI) menyediakan gambar mesin khusus yang dapat Anda gunakan untuk pembelajaran mendalam di cloud. Sebagian besar DLAMIs tersedia Wilayah AWS untuk berbagai jenis instans Amazon Elastic Compute Cloud (Amazon EC2), dari instans kecil khusus CPU hingga instans multi-GPU berdaya tinggi terbaru. DLAMIs Datang dikonfigurasikan sebelumnya dengan [NVIDIA CUDA](https://developer.nvidia.com/cuda-zone) dan [NVIDIA cuDNN dan rilis terbaru dari kerangka](https://developer.nvidia.com/cudnn) pembelajaran mendalam yang paling populer.
## Tentang panduan ini
Konten di dapat membantu Anda meluncurkan dan menggunakan DLAMIs. Panduan ini mencakup beberapa kasus penggunaan pembelajaran mendalam yang umum, baik untuk pelatihan maupun inferensi. Ini juga mencakup cara memilih AMI yang tepat untuk tujuan Anda dan jenis contoh yang mungkin Anda sukai.
Selain itu, DLAMIs termasuk beberapa tutorial yang disediakan oleh kerangka kerja yang didukung mereka. Panduan ini dapat menunjukkan cara mengaktifkan setiap kerangka kerja dan menemukan tutorial yang sesuai untuk memulai. Ini juga memiliki tutorial tentang pelatihan terdistribusi, debugging, menggunakan AWS Inferentia dan AWS Trainium, dan konsep kunci lainnya. Untuk petunjuk tentang cara mengatur server notebook Jupyter untuk menjalankan tutorial di browser Anda, lihat. [Menyiapkan server Jupyter Notebook pada instance DLAMI](setup-jupyter.md)
## Prasyarat
Agar berhasil menjalankan DLAMIs, kami sarankan Anda terbiasa dengan alat baris perintah dan Python dasar.
# Contoh kasus penggunaan DLAMI
Berikut ini adalah contoh dari beberapa kasus penggunaan umum untuk AWS Deep Learning AMIs (DLAMI).
**Belajar tentang pembelajaran mendalam** — DLAMI adalah pilihan tepat untuk belajar atau mengajar pembelajaran mesin dan kerangka pembelajaran mendalam. DLAMIs Menghilangkan sakit kepala dari pemecahan masalah instalasi setiap kerangka kerja dan membuat mereka bermain bersama di komputer yang sama. DLAMIs Termasuk notebook Jupyter dan membuatnya mudah untuk menjalankan tutorial yang disediakan kerangka kerja bagi orang-orang yang baru mengenal pembelajaran mesin dan pembelajaran mendalam.
**Pengembangan aplikasi** — Jika Anda seorang pengembang aplikasi yang tertarik menggunakan pembelajaran mendalam untuk membuat aplikasi Anda memanfaatkan kemajuan terbaru dalam AI, maka DLAMI adalah tempat uji yang sempurna untuk Anda. Setiap kerangka kerja dilengkapi dengan tutorial tentang cara memulai pembelajaran mendalam, dan banyak dari mereka memiliki kebun binatang model yang membuatnya mudah untuk mencoba pembelajaran mendalam tanpa harus membuat jaringan saraf sendiri atau melakukan pelatihan model apa pun. Beberapa contoh menunjukkan cara membuat aplikasi deteksi gambar hanya dalam beberapa menit, atau cara membuat aplikasi pengenalan suara untuk chatbot Anda sendiri.
**Pembelajaran mesin dan analitik data** — Jika Anda seorang ilmuwan data atau Anda tertarik untuk memproses data Anda dengan pembelajaran mendalam, maka Anda akan menemukan bahwa banyak kerangka kerja memiliki dukungan untuk R dan Spark. Anda akan menemukan tutorial tentang cara melakukan regresi sederhana, hingga membangun sistem pemrosesan data yang dapat diskalakan untuk sistem personalisasi dan prediksi.
**Penelitian** — Jika Anda seorang peneliti yang ingin mencoba kerangka kerja baru, menguji model baru, atau melatih model baru, maka DLAMI AWS dan kemampuan untuk skala dapat mengurangi rasa sakit instalasi yang membosankan dan pengelolaan beberapa node pelatihan.
**catatan**
Meskipun pilihan awal Anda mungkin memutakhirkan jenis instans Anda ke instans yang lebih besar dengan lebih banyak GPUs (hingga 8), Anda juga dapat menskalakan secara horizontal dengan membuat klaster instans DLAMI. Lihat informasi [Informasi terkait DLAMI](resources.md) lebih lanjut tentang build cluster.
# Fitur DLAMI
Fitur AWS Deep Learning AMIs (DLAMI) termasuk kerangka kerja pembelajaran mendalam yang telah diinstal sebelumnya, perangkat lunak GPU, server model, dan alat visualisasi model.
## Kerangka kerja terinstal
Saat ini ada dua rasa utama DLAMI dengan variasi lain yang terkait dengan sistem operasi (OS) dan versi perangkat lunak:
+ [Pembelajaran Mendalam AMI dengan Conda](overview-conda.md)— Kerangka kerja diinstal secara terpisah menggunakan `conda` paket dan lingkungan Python terpisah.
+ [Dasar Pembelajaran Mendalam AMI](overview-base.md)— Tidak ada kerangka kerja yang diinstal; hanya [NVIDIA CUDA dan dependensi](https://developer.nvidia.com/cuda-zone) lainnya.
AMI Pembelajaran Mendalam dengan Conda menggunakan `conda` lingkungan untuk mengisolasi setiap kerangka kerja, sehingga Anda dapat beralih di antara mereka sesuka hati dan tidak khawatir tentang dependensinya yang bertentangan. AMI Pembelajaran Mendalam dengan Conda mendukung kerangka kerja berikut:
+ PyTorch
+ TensorFlow 2
**catatan**
DLAMI tidak lagi mendukung kerangka pembelajaran mendalam berikut: Apache, Microsoft Cognitive Toolkit (CNTK) MXNet, Caffe, Caffe2, Theano, Chainer, dan Keras.
## Perangkat lunak GPU yang sudah diinstal sebelumnya
[Bahkan jika Anda menggunakan instance khusus CPU, DLAMIs akan memiliki [NVIDIA CUDA dan NVIDIA cuDNN](https://developer.nvidia.com/cuda-zone).](https://developer.nvidia.com/cudnn) Perangkat lunak yang diinstal adalah sama terlepas dari jenis instancenya. Perlu diingat bahwa alat khusus GPU hanya berfungsi pada instance yang memiliki setidaknya satu GPU. Untuk informasi selengkapnya tentang jenis instance, lihat[Memilih tipe instans DLAMI](instance-select.md).
Untuk informasi lebih lanjut tentang CUDA, lihat[Instalasi CUDA dan Binding Kerangka Kerja](overview-cuda.md).
## Penyajian model dan visualisasi
Deep Learning AMI with Conda sudah diinstal sebelumnya dengan server model untuk TensorFlow, serta TensorBoard untuk visualisasi model. Lihat informasi yang lebih lengkap di [TensorFlow Melayani](tutorial-tfserving.md).