金宝app支持六个新的通用实例类:m5a, m5ad, m5d, m5dn, m5n和m5zn。

金宝app支持五个新的计算优化实例类：c5、c5a、c5ad、c5d和c5n。

金宝app支持两个新的加速计算(gpu)实例类:g4dn和p3dn。

金宝app支持八个新的内存优化类:r5, r5a, r5ad, r5b, r5d, r5dn, r5n，和x1e。

您可以在Cloud Center实例上运行MATLAB R2019a Update 3，包括支持三个额外的预训练卷积神经网络（CNN）模型：NA金宝appSNet Large、NASNet Mobile和ShuffleNet。您可以使用这些预训练模型进行分类和转移学习。您可以使用函数访问模型纳斯内特拉格（深度学习工具箱），nasnetmobile（深度学习工具箱）和沙夫林（深度学习工具箱）. 有关详细信息，请参阅并行和云中的深度学习（深度学习工具箱）和预训练深度神经网络（深度学习工具箱）．

登录到MathWorks同时使用您的MathWorks帐户登录到云中心。

您可以在Cloud Center实例上运行MATLAB版本R2019a，包括对预训练卷积神经网络（CNN）模型的支持。这些网络现在可用于MAT金宝appLAB R2019a版本的所有实例：AlexNet、DenseNet-201、GoogLeNet（使用ImageNet和Places365数据集进行培训）、Inception-ResNet-v2、Inception-v3、MobileNet-v2、ResNet-18、ResNet-50、ResNet-101、SqueezeNet、VGG-16、VGG-19和Exception。您可以使用函数访问模型阿列克斯内特（深度学习工具箱），densenet201（深度学习工具箱），水壶（深度学习工具箱），接收resnetv2（深度学习工具箱），接收v3（深度学习工具箱），mobilenetv2（深度学习工具箱），resnet18（深度学习工具箱），resnet50（深度学习工具箱），resnet101（深度学习工具箱），挤压网（深度学习工具箱），vgg16（深度学习工具箱），vgg19（深度学习工具箱）和例外（深度学习工具箱）. 您可以使用这些预训练模型进行分类和迁移学习。有关详细信息，请参阅并行和云中的深度学习（深度学习工具箱）和预训练深度神经网络（深度学习工具箱）．

您可以使用MATLAB R2019a版本创建云簇，该版本会根据使用情况自动调整大小。这些集群会增加或减少，以便为您提交的任务分配最佳数量的工作人员。有关详细信息，请参阅自动调整集群．

您可以在Cloud Center实例上运行MATLAB版本R2018b，包括对预训练卷积神经网络（CNN）模型的支持。这些网络现在可用于MAT金宝appLAB R2018b版本的所有实例：AlexNet、DenseNet-201、GoogLeNet、Inception-ResNet-v2、Inception-v3、ResNet-18、ResNet-50、ResNet-101、SqueezeNet、VGG-16和VGG-19。您可以使用函数访问模型阿列克斯内特（深度学习工具箱），densenet201（深度学习工具箱），水壶（深度学习工具箱），接收resnetv2（深度学习工具箱），接收v3（深度学习工具箱），resnet18（深度学习工具箱），resnet50（深度学习工具箱），resnet101（深度学习工具箱），挤压网（深度学习工具箱），vgg16（深度学习工具箱）和vgg19（深度学习工具箱）. 您可以使用这些预训练模型进行分类和迁移学习。有关详细信息，请参阅并行和云中的深度学习（深度学习工具箱）和预训练深度神经网络（深度学习工具箱）．

从这个版本开始，您可以在专用头节点模式下创建集群。当启用时，headnode实例只运行管理服务，如作业管理器，并且不承载任何MATLAB工作者。这种集群架构提高了性能。有关详细信息,请参见为管理服务使用专用头节点实例．

现在，您最多可以创建1024MATLAB R2018a及以后的VPC网络中的工作机器。

您可以在Cloud Center实例上运行MATLAB版本R2018a，包括对预训练卷积神经网络（CNN）模型的支持。这些网络现在可用于MAT金宝appLAB R2018a版本的所有实例：AlexNet、VGG-16、VGG-19、GoogLeNet、ResNet-50和ResNet-101。您可以使用函数访问模型阿列克斯内特（深度学习工具箱），vgg16（深度学习工具箱），vgg19（深度学习工具箱），水壶（深度学习工具箱），resnet50（深度学习工具箱）和resnet101（深度学习工具箱）. 您可以使用这些预训练模型进行分类和迁移学习。有关详细信息，请参阅并行和云中的深度学习（深度学习工具箱）和预训练深度神经网络（深度学习工具箱）．

您可以在Cloud Center实例上运行MATLAB Release R2017b，包括支持预训练卷积神经网络(CNN)模型。金宝app这些网络现在可以在MATLAB R2017b的所有实例上使用:GoogLeNet, ResNet-50, AlexNet, VGG-16和VGG-19。你可以使用这些预先训练过的模型进行分类和迁移学习。具体操作请参见白皮书利用MATLAB和多gpu进行深度学习和预训练深度神经网络（深度学习工具箱）．

Cloud Center支金宝app持新的P3实例族。ps3拥有多达8个NVIDIA Tesla V100 gpu，非常适合高性能通用计算，包括深度学习、建模和数据分析。

有关新添加的计算实例和区域可用性的更多详细信息，请参阅选择支持的EC金宝app2实例机器类型．

云中心屏幕上的指示更新，以帮助您通过最新的工作流在Amazon控制台创建IAM角色。

有关详细信息，请参阅创建新的IAM角色．

您可以在Cloud Center实例上运行MATLAB版本R2017b，包括对预训练卷积神经网络（CNN）模型的支持。这些网络现在在MATLA金宝appB版本R2017a和MATLAB版本R2017b的所有实例上都可用：AlexNet、VGG-16和VGG-19。您可以使用这些函数访问模型阿列克斯内特（深度学习工具箱），vgg16（深度学习工具箱）和vgg19（深度学习工具箱）. 您可以使用这些预训练模型进行分类和迁移学习。有关详细信息，请参阅白皮书利用MATLAB和多gpu进行深度学习和预训练深度神经网络（深度学习工具箱）．

Cloud Center支金宝app持新的G3实例系列。G3具有多个GPU，具有高单精度性能，非常适合深度学习、图像处理和计算机视觉。

有关新添加的计算实例和区域可用性的更多详细信息，请参阅选择支持的EC金宝app2实例机器类型．

要使用云中的数据，可以将数据上传到Amazon S3，然后使用数据存储从集群中的工作人员访问S3中的数据。有关详细信息,请参见将数据传输到AmazonS3存储桶，并使用MATLAB数据存储访问数据．

三种预训练卷积神经网络(CNN)模型现在只在MATLAB Release R2017a的所有实例上可用:AlexNet, VGG-16，和VGG-19。您可以使用函数访问模型阿列克斯内特（深度学习工具箱），vgg16（深度学习工具箱）和vgg19（深度学习工具箱）. 这些模型是SeriesNetwork（深度学习工具箱）对象。您可以使用这些预训练模型进行分类和迁移学习。

有关详细信息，请参阅预训练深度神经网络（深度学习工具箱）．

有关详细信息,请参见云中心入门．

c4.xlarge，具有2个物理内核和7.5 GB内存

c4.2xlarge，具有4个物理内核和15 GB内存

c4.4XL，具有8个物理内核和30 GB内存

c4.8xlarge, 16个物理核，60gb内存

r4。xlarge, 2个物理核，30.5 GB内存

r4.2xlarge，具有4个物理内核和61 GB内存

r4.4XL，具有8个物理内核和122 GB内存

r4.8xlarge, 16个物理核，244gb内存

r4.16xlarge，具有32个物理内核和488 GB内存

i3.xlarge，具有2个物理内核、30.5 GB内存和950 GB临时存储

i3.2xlarge, 4个物理核，61g内存，1900g临时存储

i3.4xlarge, 8个物理核，122gb内存，3800gb临时存储

i3.8XL，具有16个物理内核、244 GB内存和7600 GB临时存储

i3.16xlarge, 32个物理核，488gb内存，15200gb临时存储

p2。xlarge，具有2个物理核和1个GPU

p2.8xlarge, 16个物理核和8个gpu

p2.16xlarge，具有32个物理内核和16个GPU

r3.xlarge，具有2个物理内核和30.5 GiB内存

r3.2xlarge，具有4个物理内核和61 GiB内存

r3.4XL，具有8个物理内核和122 GiB内存

r3.8XL，具有16个物理内核和244 GiB内存

通过VPC, Cloud Center用户可以在自己定义的虚拟网络中启动集群。有关更多信息，请参见创建云集群．