主要ディープラーニングクラウドサービス

Amazon Web Services「AWS 深層学習 AMI」

■概要

Amazon Web Servicesの「AWS 深層学習 AMI」は、機械学習の開発者および研究者がクラウド上であらゆる規模の深層学習を実施するためのインフラストラクチャとツールを提供している。

「Amazon EC2 インスタンス」を作成することで、「高度カスタムAIモデルトレーニング」「新アルゴリズム実験」「スキルや技術の学習」などを実施できる。

→AWS　→AWS 深層学習 AMI

■フレームワークサポート

「AWS 深層学習 AMI」は以下のような一般的な深層学習フレームワークをサポートしている。

・TensorFlow
・PyTorch
・Apache MXNet
・Chainer
・Microsoft Cognitive Toolkit
・Gluon
・Horovod
・Keras　など

■GPUアクセラレーション

「AWS 深層学習 AMI」では、「Pythonパッケージ」や「Anaconda Platform」のインストールに加えて、事前に構成された「CUDAドライバ」「cuDNNドライバ」「MKL(Intel Math Kernel Library)」を使用した、最新のNVIDIA GPUによるアクセラレーションを利用できる。

Azure「Azure Machine Learning サービス」

■概要

Azureの「Azure Machine Learning サービス」は、機械学習モデルの「構築」「トレーニング」「デプロイ」などを提供し、効率的な機械学習アプリケーション構築を実施できる。

最適なツールやフレームワークを使用して機械学習モデルを開発し、セキュリティで保護されたエンタープライズクラスに対応できるプラットフォーム上にデプロイできる。

→Azure　→Azure Machine Learning サービス

■フレームワークサポート

以下の主要なフレームワークやツールをサポートしている。

・ONNX
・Python
・PyTorch
・scikit-learn
・TensorFlow　など

Google Cloud「AI Platform」

■概要

Google Cloudの「AI Platform」は、統合ツールチェーンにより独自機械学習アプリケーションを構築し実行する環境を提供する。

機械学習の「開発者」「データサイエンティスト」「データエンジニア」は、「コンセプトフェーズ」から「本番稼働」までのすべての機械学習開発プロセスを効率的に実施できる。

→Google Cloud　→AI Platform

■移植可能MLパイプライン構築

「AI Platform」は、Googleのオープンソースプラットフォーム「Kubeflow」をサポートしているため、コードの大幅変更を必要とせずに、「オンプレミス環境」または「Google Cloud環境」で実行できる移植可能なMLパイプラインを構築できる。

■機械学習アプリケーション構築機能

ストレージ機能「Cloud Storage」「BigQuery」

「Cloud Storage」または「BigQuery」を使用して大量データを保存可能で、直接トレーニングを実施できる。

MLアプリケーション構築機能「Deep Learning VM Image」

「Deep Learning VM Image」を使用すると、「マネージドJupyterノートブックサービス」を使用して、Google Cloud上にML アプリケーションを構築できる。

管理機能「AI Platform インターフェース」「Kubeflow Pipelines」

「Google Cloudコンソール内のAI Platformインターフェース」や「Kubeflow Pipelines」を使用したシンプルな統合管理を実施できる。

共有機能「AI Hub」

「AI Hub」や「Kubeflowパイプライン」を利用することで他ユーザーと共有でき、再利用可能なエンドツーエンドのMLパイプラインを構築できる。

※定期的にメンテナンスを実施しておりますが、一部情報が古い場合がございます。ご了承ください。