AWS 宣布 DeepRacer 聯(lián)盟 (DRL)-ESG跨境

西雅圖--今天在 AWS re:Invent 大會上，Amazon.com 旗下公司（納斯達克股票代碼：AMZN）推出了 AWS DeepRacer League (DRL)，這是第一個全球性的自主賽車聯(lián)賽，向所有人開放。從 2019 年初開始，全球 20 場 AWS 峰會將舉辦 DeepRacer 系列錦標賽，任何人都可以駕駛他們的 1/18 比例 AWS ^DeepRacer賽車參加比賽，該賽車由 Amazon SageMaker 中構建的強化學習模型驅(qū)動。參賽者可以在世界各地參加任意數(shù)量的賽事，每個階段的獲勝者，以及在比賽中得分前 10 名的選手，將有資格參加在 re:Invent 2019 內(nèi)華達州拉斯維加斯舉行的 DeepRacer 聯(lián)賽杯.賽車手還可以通過在 AWS 管理控制臺中提供的 AWS DeepRacer 模擬器中的特殊賽道上參加計時賽，全年參加虛擬賽事和錦標賽。與實體賽事一樣，虛擬賽道中的獲勝者和最高得分者將晉級 re:Invent 2019 的 DeepRacer 聯(lián)賽杯。要了解有關 DeepRacer 聯(lián)賽的更多信息，請訪問： 。

“通過消除與強化學習相關的常見挑戰(zhàn)，讓開發(fā)人員有機會獲得一些樂趣，并為他們提供完整的自動模型賽車以及 Amazon SageMaker 等 AWS 機器學習服務，我們讓每個開發(fā)人員都可以嘗試強化學習和機器學習。”

首屆 DRL 活動在今年的 AWS re:Invent 大會上以加速形式舉行，持續(xù)時間為 22 小時。從周三下午開始，數(shù)千名開發(fā)人員抓住機會在研討會上了解了由 Amazon SageMaker 提供支持的強化學習，他們也是首批獲得 AWS DeepRacer 汽車的客戶。在 MGM Grand Garden Arena 的一個特別建造的賽車區(qū)，被稱為“AWS DeepRacer MGM Speedway”，開發(fā)人員測試了他們的強化學習模型，并將他們的賽車圈速記錄在 Speedway 排行榜上。最快的時間進入決賽，來自英國倫敦的 Jigsaw XYZ 的聯(lián)合創(chuàng)始人 Rick Fish 以 51:50 的單圈成績奪得 DRL 杯。

“到目前為止，對強化學習試驗感興趣的開發(fā)人員必須在有限的幫助下研究學術論文并拼湊模型。 AWS DeepRacer 和 DeepRacer League 讓他們有機會親身體驗強化學習，然后繼續(xù)構建、訓練和調(diào)整強化學習模型，并將其部署到他們的自動模型賽車中，”副總裁 Swami Sivasubramanian 說，亞馬遜機器學習。 “通過消除與強化學習相關的常見挑戰(zhàn)，讓開發(fā)人員有機會獲得一些樂趣，并為他們提供完整的自動模型賽車以及 Amazon SageMaker 等 AWS 機器學習服務，我們讓每個開發(fā)人員都可以嘗試強化學習和機器學習?！?/p>

強化學習是一種強大的深度學習類型，能夠在復雜環(huán)境中優(yōu)化決策，而不需要任何標記的訓練數(shù)據(jù)來實現(xiàn)長期目標。由于強化學習的陡峭學習曲線和采用障礙，AWS 推出 AWS DeepRacer 和 DeepRacer League 是 AWS 將機器學習和強化學習交到日常開發(fā)人員手中的使命的又一步。

“當我第一次在主題演講中聽到有關 AWS DeepRacer 的公告時，我非常激動，并認為這是讓人們感興趣并開始學習強化學習的好方法。這是一個具有難以置信的進入障礙的領域，它構成了一個精神障礙，但 AWS DeepRacer 和 DRL 確實為人們打開了它，”第一屆 DRL 杯的獲勝者，Jigsaw XYZ 的聯(lián)合創(chuàng)始人 Rick Fish 說。 “Amazon SageMaker RL、預構建模型和可用框架讓一切都變得真正可訪問，因此在不到一天的時間里，我就獲得了這個奇妙的結果。作為一個以前從未使用過強化學習的人，我根本沒想到會晉級決賽——當我接到電話時，我以為有人在跟我開玩笑！整個體驗很有趣，我什至還沒有開始接觸服務功能的表面。我很高興能進一步個性化我的汽車，我期待更多地探索 SageMaker RL 和 AWS DeepRacer。”

關于 AWS 機器學習

憑借技術堆棧的所有三層的廣泛服務組合，與任何其他提供商相比，更多的客戶參考使用 AWS 進行機器學習。對于能夠自行構建、調(diào)優(yōu)、訓練、部署和管理模型的高級開發(fā)人員和科學家，AWS 在堆棧底部提供了 P2 和 P3 實例，其性能比現(xiàn)有的任何其他 GPU 實例高 6 倍。今天的云——與 AWS 的深度學習 AMI 一起嵌入所有主要框架，例如 TensorFlow 和 MXNet。在堆棧的中間層，希望以廣泛的方式使用機器學習的組織可以利用 Amazon SageMaker，這是一項完全托管的服務，可以消除機器學習過程中每個步驟的繁重工作、復雜性和猜測，從而為日常開發(fā)人員提供支持和科學家成功地使用機器學習。 Amazon SageMaker 還可以與 AWS DeepLens 一起使用，這是一種支持深度學習的無線攝像機，它將高清攝像機開發(fā)人員工具包與一組示例項目配對，以幫助開發(fā)人員學習機器學習概念。在堆棧的頂層，AWS 提供解決方案，例如用于基于深度學習的視頻和圖像分析的 Amazon Rekognition、用于將文本轉換為語音的 Amazon Polly、用于構建對話的 Amazon Lex、用于將語音轉換為文本的 Amazon Transcribe、Amazon Translate用于翻譯語言之間的文本，Amazon Comprehend 用于理解文本中的關系和發(fā)現(xiàn)見解。除了這些廣泛的服務和設備外，客戶還與 AWS ML 實驗室中的亞馬遜專家數(shù)據(jù)科學家一起實施現(xiàn)實生活中的用例。

關于 AWS

12 年來，Amazon Web Services 一直是世界上最全面、應用最廣泛的云平臺。 AWS 為計算、存儲、數(shù)據(jù)庫、網(wǎng)絡、分析、機器學習和人工智能 (AI)、物聯(lián)網(wǎng) (IoT)、移動、安全、混合、虛擬和增強現(xiàn)實（VR 和 AR）提供超過 125 項功能齊全的服務，來自全球 19 個地理區(qū)域（跨越美國、澳大利亞、巴西、加拿大、中國、法國、德國、印度、愛爾蘭、日本、韓國、新加坡）的 57 個可用區(qū) (AZ) 的媒體和應用程序開發(fā)、部署和管理，和英國。 AWS 服務受到全球數(shù)百萬活躍客戶（包括發(fā)展最快的初創(chuàng)公司、最大型企業(yè)和領先的政府機構）的信任，為他們的基礎設施提供支持、使其更加敏捷并降低成本。

關于亞馬遜

亞馬遜遵循四項原則：以客戶為中心而非以競爭對手為中心、對發(fā)明的熱情、對卓越運營的承諾以及長期思考?？蛻粼u論、一鍵購物、個性化推薦、Prime、亞馬遜物流、AWS、Kindle Direct Publishing、Kindle、Fire 平板電腦、Fire TV、亞馬遜 Echo 和 Alexa 是亞馬遜率先推出的一些產(chǎn)品和服務。

點擊咨詢現(xiàn)在有哪些新興平臺值得關注 >>>

特別聲明：以上文章內(nèi)容僅代表作者本人觀點，不代表ESG跨境電商觀點或立場。如有關于作品內(nèi)容、版權或其它問題請于作品發(fā)表后的30日內(nèi)與ESG跨境電商聯(lián)系。