Мы используем основные файлы cookie и аналогичные инструменты, необходимые для работы нашего сайта и предоставления услуг, а также эксплуатационные файлы cookie для сбора анонимной статистики, чтобы вносить улучшения и понимать, как клиенты используют наш сайт. Основные файлы cookie нельзя деактивировать, но вы можете нажать «Настроить» или «Отклонить», чтобы отказаться от использования эксплуатационных файлов cookie.
Если вы согласны, AWS и уполномоченные третьи стороны также будут использовать файлы cookie для предоставления полезных функций сайта, запоминания ваших предпочтений и отображения соответствующих контента и рекламы. Чтобы принять или отклонить все второстепенные файлы cookie, нажмите «Принять» или «Отклонить». Чтобы настроить cookie более подробно, нажмите «Настроить».
Необходимые файлы cookie требуется для работы нашего сайта и служб, и их нельзя отключить. Обычно они устанавливаются при выборе параметров конфиденциальности, входе в аккаунт, заполнении форм и других действиях на сайте.
Файлы cookie, связанные с производительностью, предоставляют анонимную статистику о том, как клиенты просматривают наш сайт, чтобы мы могли улучшить его работу и повысить производительность. Одобренные третьи стороны могут проводить анализ от нашего имени, но не имеют право использовать данные в своих целях.
Функциональные файлы cookie помогают нам предоставлять полезные функции сайта, запоминать ваши предпочтения и отображать соответствующий контент. Одобренные третьи стороны могут устанавливать эти файлы cookie для предоставления определенных функций сайта. Если вы не разрешаете применять эти файлы cookie, некоторые (или все) эти сервисы могут работать неправильно.
Эти файлы cookie устанавливаются на наш сайт нами или нашими рекламными партнерами. Они помогают нам персонализировать рекламу. Если вы отключите эти файлы cookie, реклама станет менее релевантной.
Блокировка некоторых типов файлов cookie может повлиять на вашу работу с нашими сайтами. Вы можете в любое время изменить настройки файлов cookie, нажав «Параметры файлов cookie» в нижнем колонтитуле этого сайта. Чтобы узнать больше о том, как файлы cookie на наших сайтах используются нами и одобренными третьими сторонами, прочитайте Уведомление AWS о файлах cookie.
Мы показываем рекламу, соответствующую вашим интересам, на сайтах AWS и других ресурсах, включая кросс-контекстную поведенческую рекламу. В таком типе объявления используются данные одного сайта или приложения для размещения рекламы на сайте или в приложении другой компании.
Чтобы запретить использование кросс-контекстной поведенческой рекламы AWS на основе файлов cookie или аналогичных технологий, выберите ниже «Запретить» и «Сохранить параметры конфиденциальности» или посетите сайт AWS, на котором действуют предпочтительные настройки конфиденциальности (например, Global Privacy Control), имеющие юридическую силу. Если вы удалите файлы cookie или посетите этот сайт из другого браузера или устройства, вам придется сделать выбор снова. Для получения дополнительной информации о файлах cookie и о том, как мы их используем, ознакомьтесь с нашим Уведомлением об использовании файлов cookie AWS.
Чтобы отказаться от любой другой кросс-контекстной поведенческой рекламы AWS, заполните эту форму по электронной почте.
Дополнительные сведения о том, как AWS обрабатывает вашу информацию, см. в Уведомлении об обеспечении конфиденциальности AWS.
В настоящее время мы будем хранить только необходимые файлы cookie, потому что нам не удалось сохранить ваши предпочтения в отношении файлов cookie.
Если вы хотите изменить настройки файлов cookie, повторите попытку позже, перейдя по ссылке в нижнем колонтитуле консоли AWS, или обратитесь в службу поддержки, если проблема не исчезнет.
Контейнеры AWS Deep Learning Containers (контейнеры AWS DL Containers) предоставляют специалистам‑практикам по машинному и глубокому обучению оптимизированные среды Docker для обучения и развертывания моделей в конвейерах и рабочих процессах сервисов Amazon Sagemaker, Amazon EC2, Amazon ECS и Amazon EKS. Контейнеры AWS DL Containers доступны в виде образов Docker для обучения и получения выводов с помощью TensorFlow, PyTorch и MXNet в Amazon ECR.
Контейнеры AWS DL обновляются в соответствии с последними версиями платформ и драйверов, тестируются на совместимость и безопасность и предлагаются без дополнительной оплаты. Кроме того, их можно создать по индивидуальному заказу, следуя нашим руководствам с рецептами. При использовании Контейнеров AWS DL в качестве основы для сред машинного обучения снижается нагрузка на операционные и инфраструктурные группы, уменьшаются производственные затраты, ускоряется разработка продуктов машинного обучения, а команды разработчиков машинного обучения могут сосредоточиться на работе по извлечению аналитической информации на основе машинного обучения из данных организации. Контейнеры DL обновляются в соответствии с последними версиями платформ и драйверов, тестируются на совместимость и безопасность и предлагаются без дополнительной оплаты. Кроме того, их можно создать по индивидуальному заказу, следуя нашим руководствам с рецептами. При использовании Контейнеров DL в качестве основы для сред машинного обучения снижается нагрузка на операционные и инфраструктурные группы, уменьшаются производственные затраты, ускоряется разработка продуктов машинного обучения, а команды разработчиков машинного обучения могут сосредоточиться на работе по извлечению аналитической информации на основе машинного обучения из данных организации.
Контейнеры AWS DL Containers созданы, протестированы и оптимизированы для работы в Amazon Sagemaker, Amazon EC2, Amazon ECS и Amazon EKS. Образы Docker для контейнеров AWS DL Containers доступны в Amazon ECR. Чтобы обучать модели глубокого обучения и получать соответствующие логические выводы с применением графических процессоров, мы рекомендуем при развертывании контейнеров AWS DL Containers убедиться, что в базовом образе Amazon Machine Image (AMI) установлены соответствующие драйверы графических процессоров. Контейнеры DL Containers спроектированы для работы со стандартными средствами AMI для графических процессоров,которые доступны в Amazon SageMaker, Amazon ECS и Amazon EKS.
AWS Deep Learning AMI – это образы Amazon Machine Image (AMI) для EC2, созданные и оптимизированные для построения и обучения моделей машинного и глубокого обучения, а также получения логических выводов с помощью этих моделей. Подробнее см. в разделе глубокое обучение AWS AMI. Дополнительную информацию об использовании контейнеров AWS DL в EC2 см. в документации.
Контейнеры AWS DL Containers доступны без дополнительной платы. Вы оплачиваете только работу Amazon Sagemaker, Amazon EC2, Amazon ECS, Amazon EKS и другие используемые ресурсы AWS.
Доступ к образам Docker для контейнеров AWS DL Containers можно получить в репозиториях Amazon ECR. Дополнительные сведения о списке доступных образов Docker см. в документации.