Open-source on Amazon SageMaker

© 2022, Amazon Web Services, Inc. or its affiliates. All rights reserved.
2 4 F e b r u a r y 2 0 2 2

View Slide

Amazon SageMaker と
オープンソースソフトウェアを
連携させた効率の良いモデル開発
針原佳貴
アマゾンウェブサービスジャパン合同会社
スタートアップ ML ソリューションアーキテクト

View Slide

はじめに
• AWS のオープンソースへの貢献
• AWS が貢献する AI/ML オープンソース
• PyTorch, Apache MXNet / Gluon, AutoGluon, Jupyter
• ⾃然⾔語処理 (NLP): Hugging Face
• グラフ (Graph Neural Network): Deep Graph Library (DGL)
• Amazon SageMaker での AI/ML オープンソース活⽤法
• SageMaker Python SDK, Deep Learning Container への統合
• SageMaker Distributed Training (Data/Model) Parallel, Training Compiler
• SageMaker JumpStart

View Slide

AWS のオープンソースへの貢献

View Slide

オープンソースによる Builder ツールの改善

View Slide

AWS
Q1 18 Q2 18 Q3 18 Q4 18 Q1 19 Q2 19 Q3 19 Q4 19 Q1 20 Q2 20
Amazon open source contributors
Q1 18 Q2 18 Q3 18 Q4 18 Q1 19 Q2 19 Q3 19 Q4 19 Q1 20 Q2 20
Repositories contributed to

View Slide

マネージドサービスで OSS の実運⽤をサポート
Amazon Keyspaces for
Apache Cassandra
Amazon EKS
(Kubernetes)
FreeRTOS
AWS RoboMaker
(ROS)
Amazon ElastiCache
for Redis, Memcached
AWS AppMesh
(Envoy)
TorchServe
(Run PyTorch
Models)
AWS Lambda
(Firecracker)
Amazon OpenSearch
Service

View Slide

AWS が貢献する
AI/ML の
オープンソース
AutoGluon
State of the art の AutoML
auto.gluon.ai/
Apache MXNet
mxnet.apache.org/
Optimized DL Frameworks
PyTorch, Tensorflow,
Apache MXNet
Hugging Face
SageMaker Python SDK,
DLC
Kubernetes Support
SageMaker Operators &
Components
Deep Graph Library (DGL)
Graph Neural Networks
www.dgl.ai/
TorchServe
PyTorch model server Deep Java Library (DJL)
Java
djl.ai/
Dive into Deep Learning
d2l.ai/

View Slide

TorchServe PyTorch
PyTorch
https://pytorch.org/serve/
TorchElastic Controller for Kubernetes
TorchElastic Kubernetes
TorchElastic
PyTorch
PyTorch に対する AWS の貢献
PyTorch

View Slide

Meta、AWS を戦略的クラウドプロバイダーに選定
• 5
• AWS PyTorch
•
AWS
Meta
AWS
PyTorch
Jason Kalich, VP of Production Engineering at Meta
https://press.aboutamazon.com/news-releases/news-release-details/meta-selects-aws-key-long-term-strategic-cloud-provider
https://aws.amazon.com/jp/about-aws/whats-new/2021/12/meta-selects-aws-key-long-term-strategic-cloud-provider/

View Slide

Amazon SageMaker 上で
OSS を活⽤する⽅法

View Slide

AWS AI/ML
AI SERVICES
Code + DevOps
Amazon CodeGuru
Amazon DevOps Guru
Business processes
Amazon Personalize
Amazon Forecast
Amazon Fraud Detector
Amazon Lookout for Metrics
Search
Amazon Kendra
Industrial
Amazon Monitron
Amazon Lookout for Equipment
Amazon Lookout for Vision
Healthcare
Amazon HealthLake
Amazon Comprehend Medical
Amazon Transcribe Medical
SPECIALIZED
Chatbots
Amazon Lex
Text & Documents
Amazon Translate
Amazon Comprehend
Amazon Textract
Speech
Amazon Polly
Amazon Transcribe
Amazon Transcribe Call Analytics
Vision
Amazon Rekognition
AWS Panorama
CORE
ML SERVICES Manage
edge devices
Learn
ML
No-code ML
for business
analysts
Prepare
data
Store
features
Detect
bias
Build with
notebooks
Manage
& monitor
Train
models
Deploy in
production
Tune
parameters
Explain
predictions
CI/CD
Label
data
SAGEMAKER
CANVAS
SAGEMAKER
STUDIO LAB
AMAZON SAGEMAKER STUDIO IDE
ML FRAMEWORKS
& INFRASTRUCTURE
TensorFlow,
PyTorch,
Apache MXNet,
Hugging Face
Amazon EC2 CPUs GPUs AWS Trainium
Elastic
inference
AWS Inferentia FPGA
Habana
Gaudi
Deep Learning
Containers (DLC)

View Slide

AWS AI/ML
AI SERVICES
Code + DevOps
Amazon CodeGuru
Amazon DevOps Guru
Business processes
Amazon Personalize
Amazon Forecast
Amazon Fraud Detector
Amazon Lookout for Metrics
Search
Amazon Kendra
Industrial
Amazon Monitron
Amazon Lookout for Equipment
Amazon Lookout for Vision
Healthcare
Amazon HealthLake
Amazon Comprehend Medical
Amazon Transcribe Medical
SPECIALIZED
Chatbots
Amazon Lex
Text & Documents
Amazon Translate
Amazon Comprehend
Amazon Textract
Speech
Amazon Polly
Amazon Transcribe
Amazon Transcribe Call Analytics
Vision
Amazon Rekognition
AWS Panorama
CORE
ML SERVICES Manage
edge devices
Learn
ML
No-code ML
for business
analysts
Prepare
data
Store
features
Detect
bias
Build with
notebooks
Manage
& monitor
Train
models
Deploy in
production
Tune
parameters
Explain
predictions
CI/CD
Label
data
SAGEMAKER
CANVAS
SAGEMAKER
STUDIO LAB
AMAZON SAGEMAKER STUDIO IDE
ML FRAMEWORKS
& INFRASTRUCTURE
Amazon EC2 CPUs GPUs AWS Trainium
Elastic
inference
AWS Inferentia FPGA
Habana
Gaudi
TensorFlow,
PyTorch,
Apache MXNet,
Hugging Face
Deep Learning
Containers (DLC)

View Slide

SageMaker JumpStart
事前構築済みモデルへの容易なアクセス
• TensorFlow Hub, PyTorch Hub
• テキスト: Hugging Face
• 画像: GluonCV
• テーブルデータ: LightGBM, CatBoost,
XGBoost, Scikit-learn Linear Models
• Amazon SageMaker JumpStart adds LightGBM
and CatBoost Models for Tabular Data
https://aws.amazon.com/about-aws/whats-
new/2022/01/amazon-sagemaker-jumpstart-
lightgbm-catboost-tabular/
Documentation: SageMaker JumpStart
https://docs.aws.amazon.com/sagemaker/latest
/dg/studio-jumpstart.html

View Slide

SageMaker Studio IDE

View Slide

Jupyter
computational narrative
AWS Jupyter
Jupyter
Jupyter
Jupyter
• Jupyter Steering Council (Brian Granger, AWS)
• JupyterLab, JupyterLab Git, Jupyter Server, Notebook,
Kernel Gateway
• NumFOCUS Advisory Board
Jupyter
• Amazon SageMaker Studio
Jupyter
• SSO 規

View Slide

Amazon SageMaker Studio Notebook での
モデル開発
• TensorFlow, PyTorch, MXNet
• Available Amazon SageMaker
Kernels
https://docs.aws.amazon.com/sage
maker/latest/dg/notebooks-
available-kernels.html

View Slide

Gluon
Swami Sivasubramanian, VP of Amazon AI
Gluon GluonCV
state-of-the-art
https://cv.gluon.ai/
GluonNLP (NLP)
https://nlp.gluon.ai/
SageMaker Studio で MXNet
GluonCV/GluonNLP
Jupyter Notebook

View Slide

Amazon SageMakerで深層学習フレームワークを利⽤する
Deep Learning Containers (DLC)
PyTorch, TensorFlow, MXNet, Hugging Face フレームワークなど、
トレーニングと推論、それぞれのために開発
SageMaker SDK の Deep Learning Framework Estimator
Docker について気にすることなく、
スケーラブルで費⽤対効果の⾼い SageMaker トレーニングジョブの起動
Example ギャラリー
Amazon SageMaker で動く深層学習フレームワークの⾼品質なサンプルスクリプト
サポート
AWS によるメンテナンスとサポート

View Slide

Amazon SageMakerで深層学習フレームワークを実⾏するメリット
コスト効率 - SageMaker はスケール、パフォーマンス、効率性を最適化してコスト
を削減。Managed Spot Training や Savings Plans でさらに節約
MLOps - SageMaker でのメタデータの永続化と検索の⾃動化、 Amazon
CloudWatch へのログ抽出、SageMaker Debugger と Profiler によるモニタリング、
および実験管理
スケーラブル – Amazon SageMaker が提供する効率的なデータ並列およびモデル
並列で、 GPU クラスター上での分散学習が実⾏可能。API の⾮同期モードで、
複数ジョブを同時に起動
安全性 – 保管時および転送中のデータ暗号化、VPC 接続、きめ細かい IAM 権管理
限などのメカニズムにより、⾼いセキュリティレベルを実現

View Slide

Amazon SageMaker でのモデル開発フロー
SageMaker
Studio Notebook
でスクリプト開発
BUILD
1
Deep Learning
Containers (DLC)
でトレーニング
TRAIN
チューニングと
実験管理
2
SageMaker
Endpoint
へデプロイ
DEPLOY
3
自前環境デプロイ用
には S3 からモデルを
ダウンロード
SageMaker Python
SDK でトレーニング・
デプロイを呼び出し
SageMaker Python SDK または DLC
でサポートされる OSS は簡単に使える

View Slide

SageMaker Python SDK
import sagemaker
# 各フレームワークに対応した Estimator クラス
from sagemaker.pytorch import PyTorch
estimator = PyTorch("train.py",
role=sagemaker.get_execution_role(),
instance_count=1,
instance_type="ml.p3.2xlarge",
framework_version="1.8.0",
py_version="py3")
# モデルトレーニング
estimator.fit(“s3://mybucket/data/train”)
# デプロイ
predictor = estimator.deploy(initial_instance_count=2, instance_type="ml.m5.xlarge")
# 推論の実⾏
predictor.predict(data)
https://sagemaker.readthedocs.io/en/stable/v2.html

View Slide

Hugging Face on
Amazon SageMaker

View Slide

Hugging Face
NLP
オープンソース
Datasets, Tokenizers, and Transformers
⼈気
56,000+ の GitHub Star (2022年1⽉時点)
1 か⽉あたり 100+ 万回のダウンロード
直感的
PyTorch または TensorFlow に基づいた NLP 特化の Python フロントエンド
State of the art
Transformer ベースのモデルは最先端で、転移学習とスケーラビリティを実現
包括的
10,000+ のモデルアーキテクチャ、240+ ⾔語を備えた Model Hub
Hugging Face ライブラリの特徴

View Slide

NLP をすべての⼈が簡単に利⽤できるようにする
AWS との強⼒なパートナーシップ
Hugging Face は、
最先端の NLP テクノロジーを提供する
最も⼈気のあるオープンソース企業
Hugging Face
NLP モデルのトレーニングで
使⽤するための⾼性能なリソース
を提供する SageMaker との統合
AWS

View Slide

Amazon SageMaker で
Hugging Face を使った学習
SageMaker
Studio Notebook
でスクリプト開発
BUILD
1
Hugging Face DLC
でトレーニング
TRAIN
チューニングと
実験管理
2
SageMaker
Endpoint
へデプロイ
DEPLOY
3
自前環境デプロイ用
には S3 からモデルを
ダウンロード
SageMaker Python
SDK でトレーニング・
デプロイを呼び出し
PIPE モード、FSx for Lustre
または EFS でトレーニングデータ
読み込みをスケーリング
SageMaker
分散学習ライブラリと
トレーニングコンパイラ
SageMaker Debugger
でデバッグ・
プロファイリング

View Slide

Hugging Face + PyTorch
S a g e M a k e r P y t h o n S D K での呼び出し
https://github.com/huggingface/notebooks/blob/master/sagemaker/01_getting_started_pytorch/sagemaker-notebook.ipynb

View Slide

Hugging Face + TensorFlow
S a g e M a k e r P y t h o n S D K での呼び出し
https://github.com/huggingface/notebooks/blob/master/sagemaker/02_getting_started_tensorflow/sagemaker-notebook.ipynb

View Slide

NLP は機械翻訳を⾼速かつ正確にし、多くのアプリケーションから翻
訳が利⽤可能に
⾃然⾔語処理
(NLP)
NLP は多くの⼈に使いやすい
機能を提供し、その利⽤は企
業のビジネスに⼤きな影響を
与える可能性があります。
⾔語翻訳
⾮構造化テキストからトピックやセンチメントを抽出し、分析やデータ
ドリブンなビジネス上の意思決定に役⽴てる
テキスト分析
NLP は、⾃然⾔語による質問と⼈間中⼼のインターフェイスを使⽤し
て、強⼒なクエリおよび検索機能を提供
⾃然なクエリと検索
Amazon Alexa のような⾳声を使ったヒューマンフレンドリーなインタ
ラクションを幅広いカテゴリーのデバイスに提供
スマート⾳声アシスタント
データソースからのデータ品質が向上し、複雑で⾯倒なデータクレン
ジング操作を軽減
スペルチェックと⽂法チェック

View Slide

NLP モデルのサイズは指数的に増加
最先端の NLP モデルサイズのトレンド
Source: https://arxiv.org/abs/2104.04473

View Slide

ハードウェアのトレンド
インスタンスタイプ発表時期 GPU GPU MEMORY
P2.16xlarge September 2016 NVIDIA K80 12 GB
P3.16xlarge October 2017 NVIDIA V100 16 GB
P3dn.24xlarge December 2018 NVIDIA V100 32 GB
P4d.24xlarge November 2020 NVIDIA A100 40 GB
ハードウェアキャパシティも増加傾向だがモデルのパラメータ数変化には追いつかず
Trn1 (AWS Trainium ) T2-5

View Slide

Amazon SageMaker
での分散学習
https://aws.amazon.com/sagemaker/distributed-training/
トレーニング時間
の削減
TensorFlow, PyTorch,
HuggingFace を
サポート
⾃動的・効率的な
モデル分割
最⼩限の
コード変更
効率的な
パイプライン化
(
GPU )
AWS ネットワーク・
ハードウェアに
最適化
モデル並列データ並列

View Slide

Amazon SageMaker 分散学習ベンチマーク
ModelParallel training with T5-3B
DataParallel training
Model Instances
Performance with
modelparallel
Performance without
modelparallel
T5-3B 8 P4d.24xlarge 299 seq/s OOM
T5-3B 8 P4d.24xlarge 263 seq/s OOM
T5-3B 256 P4d.24xlarge 4.68 days OOM
Model Instances
Performance with
dataparallel
Speed up
RoBERTa (1.3B) 30 P4d.24xlarge 1.85 iter/s 32.4%
RoBERTa (1.3B) 16 P4d.24xlarge 2.00 iter/s 33.1%

View Slide

SageMaker Training Compiler は
多くの NLP モデルトレーニングを⾼速化
bert-base-uncased
bert-large-uncased
roberta-base
gpt2
bert-base-cased
xlm-roberta-base
bert-base-chinese
roberta-large
distilbert-base-
uncased
distilbert-base-
uncased-finetuned-
sst-2-English
cl-tohoku/bert-
base-japanese-
whole-word-
masking
bert-base-
multilingual-cased
distilgpt2
albert-base-v2
gpt2-large

View Slide

SageMaker Training Compiler で最⼤50%の速度向上
課⾦時間の
削減
BERT base distilBERT RoBERTa base GPT-2
38% 26% 27% 54%
トレーニングスループット*
(samples/second)
PyTorch
PyTorch with
SageMaker
Training
Compiler
73
96
47
81
62
84
137
170

View Slide

SageMaker Training Compiler は数分で設定可能

View Slide

Deep Learning Container
イメージを SageMaker で使う

View Slide

Docker
:
TensorFlow, PyTorch, Apache MXNet, Hugging Face, AutoGluon,
Habana
AWS
Ubuntu Amazon Linux 2 CUDA
, Intel MKL, Anaconda, Python3
オープンソースの機械学習を
すべての開発者やデータサイエンティストの⼿に
「AWS には、お客様にとって重要なそれぞれのフレームワークに専念
する専任チームがあり、パフォーマンスを最適化し、AWS やその他の
場所でパフォーマンスを向上させることができます。」
Andy Jassy, CEO of Amazon
AWS Deep Learning
Containers
(GitHub )
https://github.com/aws/deep-learning-containers

View Slide

• 特徴量作成
• モデルの学習
• 最適なモデルの選択
• ハイパーパラーメーター最適化
• アーキテクチャ探索
Ø ベースとなる機械学習モデルの
プロトタイピングや精度の追求を素早く可能に
https://auto.gluon.ai
AutoGluon
AutoML

View Slide

AutoGluon の⼿軽さ - fit API
from autogluon.tabular import TabularPredictor
predictor = TabularPredictor(label="COLUMN_NAME").fit(train_data="TRAIN_DATA.csv")
predictions = predictor.predict(TEST_DATA.csv)
• 上は AutoGluon Tabular (テーブルデータ) の例、画像・テキストデータにも同様に記述可能
• fit() が実⾏されると AutoGluon Tabular は以下の処理を⾃動的に実⾏
1. データの前処理 (各カラムを数値・カテゴリ・テキストに分類)
2. ラベルカラムから推論タスクを決定 (分類・回帰)
3. データの分離 (e.g. disjoint training/validation sets, k-fold split)
4. 各モデルを個々に学習 (Random Forest, k-NN, LightGBM, Neural Network, etc.)
5. 最適化されたアンサンブルを作成

View Slide

AutoGluon の SageMaker での利⽤
• Deep Learning Containers (DLC)
イメージ URI を指定
• このサンプルでは AutoGluonTraining
という名前のクラスでイメージ URI を取得

View Slide

Deep Graph Library (DGL)
• Graph Neural Network (GNN) のためのライブラリ
• 応⽤例:
創薬
(Graph-level prediction)
映画のレコメンデーション
(Edge-level prediction)
詐欺ユーザーの検知
(Node-level prediction)

View Slide

Amazon SageMaker での DGL 利⽤
• Studio で PyTorch/MXNet
DGL
Jupyter Notebook
• Deep Learning Coniainer (DLC)
PyTorch/MXNet
• Train a Deep Graph Network
maker/latest/dg/deep-graph-
library.html

View Slide

まとめ
• AWS はオープンソースソフトウェア・プロジェクトに貢献し、
イノベーションを実運⽤レベルで活⽤できるようマネージドサービスを提供。
• SageMaker Studio Notebook (SageMaker Python SDK) で開発、
Deep Learning Containers を使ってトレーニング・推論することで、
環境構築の⼿間なく⾼いパフォーマンスで深層学習を実⾏。
• 主に紹介した OSS
• PyTorch, Apache MXNet / Gluon, AutoGluon, Hugging Face, Deep Graph Library (DGL), Jupyter
• 紹介した SageMaker の機能
• SageMaker Distributed Training (Data/Model) Parallel, Training Compiler
• SageMaker JumpStart

View Slide

ご清聴ありがとうございました
Email: [email protected]
Twitter: @_hariby

View Slide

Additional resources
• Amazon SageMaker Neo (based on OSS projects like Apache TVM that AWS actively contributes to)
• Apache MXNet on AWS (in Amazon SageMaker)
• Multi Model Server (model server for MXNet and ONNX)
• Gluon (open sourced by AWS and Microsoft) – library for machine learning
§ AutoGluon (open sourced by AWS) – AutoML toolkit for Deep Learning
§ Gluon Time Series (GluonTS) (open sourced by AWS) – Gluon toolkit for probabilistic time series modeling, focusing on deep learning-based models. Announcing
Gluon Time Series, an Open-Source Time Series Modeling Toolkit
§ Gluon Natural Language Processing toolkit (GluonNLP)
§ Gluon Computer Vision Toolkit (GluonCV)
• PyTorch on AWS (in Amazon SageMaker)
§ TorchServe (open sourced by AWS and Facebook) – PyTorch model serving. Announcing TorchServe, An Open Source Model Server for PyTorch
• Sockeye (open sourced by AWS) – sequence-to-sequence framework with a focus on Neural Machine Translation, based on Apache MXNet.
• TensorFlow on AWS (in Amazon SageMaker)
• Deep Graph Library
• Deep Java Library
• Amazon SageMaker Clarify
• Amazon SageMaker Jumpstart
• AWS Neuron SDK
• Scikit-learn extensions used by SageMaker Autopilot
• Amazon SageMaker SDK
• Amazon SageMaker operator for Kubernetes
• pecos - Prediction for Enormous and Correlated Spaces
• datatuner - end-to-end, data-to-text generation system
• Amazon Braket PennyLane Plugin – quantum-classical hybrid computations on Amazon Braket using PennyLane
Current list of open source AI/ML services and projects

View Slide

Jupyter への貢献については
AWS Blog
• How and why AWS contributes to
Jupyter
https://aws.amazon.com/blogs/ope
nsource/how-and-why-aws-
contributes-to-jupyter/
AWS re:Invent 2019
• Deep dive on Project Jupyter
https://d1.awsstatic.com/events/rei
nvent/2019/Deep_dive_on_Project_
Jupyter_AIM413.pdf

View Slide

DGL について詳しくは
AWS ブログ
• Amazon SageMakerですぐに利⽤可
能: Deep Graph Library
https://aws.amazon.com/jp/blogs/n
ews/amazon-sagemaker-deep-
graph-library/
AWS Machine Learning Summit
• Deep Graph Library: Deep Graph
learning at scale
https://youtu.be/VmQkLro6UWo

View Slide

Hugging Face
について詳しくは
Documentation
• Use Hugging Face with Amazon
SageMaker
maker/latest/dg/hugging-face.html
• Hugging Face on Amazon SageMaker
https://huggingface.co/docs/sagem
aker/main
AWS Machine Learning Summit
• Accelerate NLP training with Amazon
SageMaker
https://youtu.be/1LwjUbzcJok

View Slide

Hugging Face examples
E X A M P L E N O T E B O O K は全て英語です
• SageMaker で PyTorch と Hugging Face を使ってテキスト分類モデルをトレーニングしたい — PyTorch Getting Started Demo.
• SageMaker で TensorFlow と Hugging Face を使ってテキスト分類モデルをトレーニングしたい — TensorFlow Getting Started example.
• Hugging Face と SageMaker を使ってデータ並列処理による分散トレーニングを実⾏したい – Distributed Training example.
• Hugging Face と SageMaker を使ってモデル並列処理による分散トレーニングを実⾏したい – Model Parallelism example.
• SageMaker でスポットインスタンスを使⽤して Hugging Face のモデルをトレーニングしたい – Spot Instances example.
• SageMaker で Hugging Face を使ってテキスト分類モデルをトレーニングするときに、カスタムメトリクスを取りたい – Training
with Custom Metrics example.
• SageMaker で Hugging Face を使って、TensorFlow の分散学習がしたい – Distributed TensorFlow Training example.
https://docs.aws.amazon.com/sagemaker/latest/dg/hugging-face.html#hugging-face-do

View Slide

AutoGluon について詳しくは
ブログ
• AutoGluonのコンテナをSageMaker上で動かして⾼度なAutoMLを実現
https://aws.amazon.com/jp/blogs/news/autogluon-container-sagemaker/
• 3 ⾏のコードが実現する機械学習の⾃動化。「AutoGluon」が⾒据える未来とは ?
https://aws.amazon.com/jp/builders-flash/202108/autogluon-interview/
• 99 % のデータサイエンティストの精度を超えた AutoML ライブラリ、AutoGluon-Tabular を使ってみる
https://aws.amazon.com/jp/builders-flash/202201/autogluon-tabular-tutorials/
• AutoGluon Tabular: Automatic machine learning for tabular data
https://www.amazon.science/videos-webinars/autogluon-tabular-automatic-machine-learning-for-tabular-data
利⽤例
• [Amazon Science] Fostering a culture of innovation
https://www.amazon.science/working-at-amazon/fostering-a-culture-of-innovation
• [NVIDIA Developer Blog] Advancing the State of the Art in AutoML, Now 10x Faster with NVIDIA GPUs and RAPIDS
https://developer.nvidia.com/blog/advancing-the-state-of-the-art-in-automl-now-10x-faster-with-nvidia-gpus-and-
rapids/

View Slide

• 動画
https://youtu.be/yGW8EeroQys
• スライド
https://d1.awsstatic.com/events/Su
mmits/AMER2020/Sept29/OPN201
_Why_Amazon_cares_about_openso
urce_software.pdf
Amazon/AWS の
オープンソースに関する取り組み全般については

View Slide

オープンソースプロジェクトのための
AWS プロモーションクレジット
• オープンソースプロジェクトや
ファウンデーションなら
どれでも適⽤可能
• OSI 公認の有効なライセンスが必要
• 有効な AWS アカウントが必要
• 1年間有効なクレジット
• 詳細はブログ参照
https://aws.amazon.com/blogs/opensource/aws-promotional-credits-open-source-projects/

View Slide

Amazon Braket と PennyLane
量⼦コンピューティングの
マネージドサービス Amazon Braket は
微分可能プログラミングライブラリ
PennyLane をサポート。
量⼦・古典ハイブリッドアルゴリズム
(量⼦機械学習、量⼦化学計算、
組合せ最適化など) の応⽤を簡単に記述。
Use PennyLane with Amazon Braket
https://docs.aws.amazon.com/braket/l
atest/developerguide/hybrid.html

View Slide

Open-source on Amazon SageMaker

Open-source on Amazon SageMaker

Yoshitaka Haribara

More Decks by Yoshitaka Haribara

Other Decks in Technology

Featured

Transcript