AWS通過新芯片——彈性推理——推動機器學習

亞馬遜彈性推理的引入，讓客戶可以在任何EC2實例上增加GPU加速，節省了75%的快速推理。根據Jasi的說法，一般來說，推斷期內GPU的平均利用率是10%到30%。

還有：2018年排名靠前的云提供商：AWS、微軟、谷歌云平臺、IBM云、甲骨文、阿里巴巴。

隨著越來越多的企業接受云中的機器學習，AmazonWebServices正在引入新的功能和工具來改進推理。具體來說，它正在推出亞馬遜的靈活推理，并推出一款名為AWS Expression TIA的新處理器。

AWS首席執行官安迪賈西在拉斯維加斯的Re: Create會議上說：“如果你考慮成本等式.大部分成本——大約90%——都是推斷出來的。”

使用彈性推理，您可以在創建任何EC2實例時提供彈性推理。您可以從1個萬億次浮點運算開始，或者執行多達32個萬億次浮點運算。彈性推理可以檢測實例上運行的主要框架之一，從而確定加速的好處。

還有：2018年的云戰：我們學到了6件事。

“這是一個非常重要的游戲改變，因為它可以更有效地運行推理，”Yassi說。

同時，AWS推理器是由AWS定制設計的高性能機器學習推理芯片。Yassi說，它將具有非常高的吞吐量、低延遲、持續的性能和非常高的成本效益。它將支持所有主要框架，并可用于所有EC2實例類型。

在主題演講中，也公布了AWS SageMaker的基本事實，吳雅思表示，這使得組織能夠實現機器學習，而無需花費數千人來培訓模型。

此外：亞馬遜的CloudCaM為家庭安全CNET找到了一個合適的平衡點。

該CEO表示，AWS SageMaker Ground Truth是一個非常精確的訓練數據集，將減少70%的數據標記成本。

他解釋說，典型的情況是，“為了訓練模型，你必須給物體貼上標簽。你需要知道什么是停車標志或行人。”“這需要數千小時的視頻錄制，你必須給所有東西貼上標簽。”

這一過程通常緩慢、昂貴且難以實現。“大多數公司只是毫不費力，這使得構建這些計算機視覺模型變得更加困難，”賈西說。

還有：51%的技術專家說云是最重要的技術共和國。

同時，AmazonSage Maker RL在Amazon age Maker中提供了一個新的機器學習功能，用于構建、培訓和部署強化學習。賈西說，這相當于“加強每個開發人員和數據科學家的學習”。

他說：“我們希望每個人都接觸到這一點。”他指出，小公司應該能夠做大公司做的事情。

什么是“多云時代”的混合云？為什么你已經有云了？

現在，企業使用并向客戶提供的服務可以托管在公共云中或辦公室的服務器上。也許“混合云”不再是一種架構。盡管情況可能如此，但這并不妨礙數字轉型業務中的一些人聲稱這是一種工作方式。

云計算：這是一個重要的轉折點。

應用程序支出已經盡快轉移到云，但其他IT支出領域正在迎頭趕上。