亚马逊为AWS推出了大量新的机器学习服务。新产品包括面向开发人员的AI服务，Amazon SageMaker的模型和算法，自动数据标签和强化学习服务，以及TensorFlow的AWS优化版本和其他熟悉的机器学习库。

新的AWS-Optimized TensorFlow产品现已普遍推出，允许TensorFlow作业在多个GPU供电的EC2节点之间自动扩展和平衡。亚马逊称其对TensorFlow扩展的改进提高了数十个GPU的运行效率，比手动设置TensorFlow更快地进行模型培训。

另一个新的AWS产品可以大规模地从生成的模型中加速推断或预测。Amazon Elastic Inference从“所有流行框架”(TensorFlow，Apache MXNet等)中获取模型，并使用它们来提供预测，但是从相对适度的EC2实例开始，GPU性能可以根据需要上下调整。客户仅为使用的GPU付费。我们的想法是将GPU成本限制为仅需要的成本，而不是使用专用GPU来过度配置EC2实例，而GPU将大部分未使用。

其他新产品是 Amazon SageMaker的补充，这是一种处理机器学习工作流程的AWS托管服务。

许多机器学习模型需要已标记或预分类的数据。不幸的是，标记数据通常是一项耗时的工作，因为它通常必须手工完成。Amazon SageMaker Ground Truth在人类应用时实时了解数据集的标签。一旦对数据子集进行了训练，它就可以用于自动应用标签。

亚马逊在SageMaker中解决的另一个机器学习挑战涉及强化学习系统，其中模型基于现实世界的反馈不断改进。 亚马逊SageMaker RL允许开发人员“通过托管强化学习算法来构建，训练和部署强化学习”，与强化学习堆栈所需的许多常见成分捆绑在一起。

另一个新的亚马逊SageMaker产品SageMaker Neo优化了机器学习模型，以便更快地运行并使用更少的资源。它类似于TensorFlow模型如何部署在低端硬件上。目前，SageMaker Neo仅限于将模型部署到“Amazon EC2实例，Amazon SageMaker端点以及由AWS IoT Greengrass管理的设备”。

用于常见业务任务的预打包机器学习模型 - 需求预测，数据准备，自然语言处理 - 现在可以在AWS Marketplace中购买并部署到Amazon SageMaker。

最后，亚马逊推出了许多新的AI服务，允许开发人员为他们的应用程序添加智能。Amazon Textract使用机器学习从文档或表单中提取数据。Amazon Comprehend Medical将自然语言处理应用于医疗文档。Amazon Personalize是一种实时个性化和推荐服务。亚马逊预测是一项服务，可根据历史数据生成自定义机器学习模型，以创建时间序列预测。