以下为大家介绍两种新的AWS深度学习AMI的可用性:一个基于Conda的AMI，它具有独立的Python环境，它使用了Conda(一个流行的开源软件包和环境管理工具)创建的深度学习框架。还有一个是有GPU驱动程序和库在基于AMI的基础上部署你自己定制的深度学习模型。

深度学习技术正在快速发展。从框架和算法到学术界和工业界的新方法和新理论。所有这些对于那些需要工具来快速和安全地测试算法、优化框架的特定版本、运行测试和基准测试，或者以空白画布开始的项目协作的开发人员来说，都是很复杂的。虚拟环境提供了实现这一切的自由和灵活性，这也是为什么今天将它添加到AWS深度学习AMI中。新建立的开发人员资源，能帮助你了解更多有关AMI的信息，为你的项目选择正确的AMI，并深入实践教程。

新的基于Conda的深度学习AMI

基于Conda的AMI预先安装了Python环境，以使用Conda创建深度学习。每个基于Conda的Python环境都配置了一个流行的深度学习框架的官方pip包及其依赖项。把它想象成一个完全成熟的虚拟环境，可以运行你的深度学习代码，例如，训练一个神经网络模型。

但AMI的好处不止于此。在AMI上的环境是作为相互隔离的、独立的沙箱操作的。这意味着当你在沙箱中运行你的深度学习代码时，可以全面查看和控制运行环境。你可以安装一个新的软件包，升级一个现有的软件包，或者改变一个环境变量，无需担心在AMI中中断其他深度学习环境。这种级别的灵活性和对执行环境的细粒度控制也意味着你现在可以运行测试，并以一种持续且可重复的方式对深度学习模型的性能进行基准测试。

最后，AMI提供了一个直观的可视化界面，可以直接插入到你的Jupyter笔记本中，这样你就可以在环境中切换，在你选择的环境中启动一个笔记本，甚至可以重新配置你的环境，只需要点击Jupyter笔记本的浏览器。

新的基于conda的深度学习AMI与最新的官方发布的深度学习框架:

·带有Gluon的Apache MXNet 0.12

·TensorFlow 1.4

·Caffe2 0.8.1

·PyTorch 0.2

·CNTK 2.2

·Theano 0.9

·Keras 1.2.2和Keras 2.0.9

这个AMI还包括以下的库和驱动GPU加速的云:

·CUDA 8和9

·CUDNN 6和7

·NCCL 2.0.5库

·NVidia驱动384.81

·新的深度学习基地AMI

AMI的基础是预先安装的，用于深度学习的基本构建块。这包括NVIDIA CUDA库、GPU驱动程序和系统库，以加速和扩展在Amazon Elastic Compute Cloud(EC2)实例上的机器学习。把AMI作为一个干净的slate，可以部署你定制的深度学习。

例如，对于为开放源代码深度学习框架增强或者甚至构建一个新的深度学习引擎的开发人员，基础AMI提供了安装你自己定义的配置和代码库来测试新框架特性的基础。在默认情况下，基础AMI附带CUDA 9环境，不过也可以使用简单的单行命令切换到CUDA 8环境。

基础AMI提供以下GPU驱动程序和库:

·CUDA 8和9

·CUBLAS 8和9

·CUDNN 6和7

·glibc 2.18

·OpenCV 3.2.0

·NVIDIA驱动384.81

·NCCL 2.0.5

·Python 2和3

深度学习AMI与源代码

除了今天可用的两个新AMI之外，还将继续支持在统一的Python环境中从源代码安装所有流行深度学习框架的AMI，并将其源代码包含在AMI上。如果你想尝试并比较共享的基本环境中的多个框架，或者你需要快速访问AMI本身的源代码，以使用定制的构建选项集来重新编译框架，那么这种AMI非常好。

AMI来自CUDA 8和CUDA 9版本，以满足你想要用于深度学习的AWS EC2实例的特定需求。