金宝app支持6个新的通用实例类:m5a、m5ad、m5d、m5dn、m5n和m5zn。

金宝app支持5个新的Compute Optimized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8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的模型进行分类和迁移学习。您可以使用这些函数访问模型nasnetlarge(深度学习工具箱)，nasnetmobile(深度学习工具箱),shufflenet(深度学习工具箱)．详细信息请参见并行和云中的深度学习(深度学习工具箱)而且预训练的深度神经网络(深度学习工具箱)．

登录到MathWorks的同时，使用MathWorks帐户登录到Cloud Center。

您可以在Cloud Center实例上运行MATLAB Release R2019a，包括对预训练卷积神经网络(CNN)模型的支持。金宝app这些网络现在可用于MATLAB版本R2019a的所有实例:AlexNet, DenseNet-201, GoogLeNet(使用ImageNet和Places365数据集进行训练)，Inception-ResNet-v2, Inception-v3, MobileNet-v2, ResNet-18, ResNet-50, Resnet-101, SqueezeNet, VGG-16, VGG-19和Xception。您可以使用这些函数访问模型alexnet(深度学习工具箱)，densenet201(深度学习工具箱)，googlenet(深度学习工具箱)，inceptionresnetv2(深度学习工具箱)，inceptionv3(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)，squeezenet(深度学习工具箱)，vgg16(深度学习工具箱)，vgg19(深度学习工具箱),xception(深度学习工具箱)．您可以使用这些预训练的模型进行分类和迁移学习。详细信息请参见并行和云中的深度学习(深度学习工具箱),预训练的深度神经网络(深度学习工具箱)．

您可以使用MATLAB Release R2019a创建云集群，根据使用情况自动调整大小。这些集群会增加或缩小，以便为提交的任务分配最佳数量的工作人员。有关更多信息，请参见自动调整集群大小．

您可以在Cloud Center实例上运行MATLAB Release R2018b，包括对预训练卷积神经网络(CNN)模型的支持。金宝app这些网络现在可用于MATLAB版本R2018b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。您可以使用这些函数访问模型alexnet(深度学习工具箱)，densenet201(深度学习工具箱)，googlenet(深度学习工具箱)，inceptionresnetv2(深度学习工具箱)，inceptionv3(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)，squeezenet(深度学习工具箱)，vgg16(深度学习工具箱),vgg19(深度学习工具箱)．您可以使用这些预训练的模型进行分类和迁移学习。详细信息请参见并行和云中的深度学习(深度学习工具箱),预训练的深度神经网络(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。启用头节点实例时，头节点实例专门运行管理服务，例如作业管理器，并且不承载任何MATLAB工作者。这种集群架构提高了性能。详细信息请参见为管理服务使用专用头节点实例．

您现在可以创建到1024工作机器在VPC网络的MATLAB R2018a起。

您可以在Cloud Center实例上运行MATLAB Release R2018a，包括对预训练卷积神经网络(CNN)模型的支持。金宝app这些网络现在可用于MATLAB版本R2018a的所有实例:AlexNet, vg -16, VGG-19, GoogLeNet, ResNet-50和ResNet-101。您可以使用这些函数访问模型alexnet(深度学习工具箱)，vgg16(深度学习工具箱)，vgg19(深度学习工具箱)，googlenet(深度学习工具箱)，resnet50(深度学习工具箱),resnet101(深度学习工具箱)．您可以使用这些预训练的模型进行分类和迁移学习。详细信息请参见并行和云中的深度学习(深度学习工具箱),预训练的深度神经网络(深度学习工具箱)．

您可以在Cloud Center实例上运行MATLAB Release R2017b，包括对预训练卷积神经网络(CNN)模型的支持。金宝app这些网络现在可用于MATLAB R2017b的所有实例:GoogLeNet, ResNet-50, AlexNet, vg -16和VGG-19。您可以使用这些预训练的模型进行分类和迁移学习。具体操作请参见白皮书MATLAB和多gpu的深度学习,预训练的深度神经网络(深度学习工具箱)．

Cloud Center支金宝app持新的P3实例族。p3拥有多达8个NVIDIA Tesla V100 gpu，非常适合进行包括深度学习、建模和数据分析在内的高性能通用计算。

有关新添加的计算实例和区域可用性的详细信息，请参见选择支持的EC金宝app2实例机类型．

云中心屏幕上的指示更新，以帮助您通过最新的工作流程在亚马逊控制台创建IAM角色。

详情请参见授权云账号．

您可以在Cloud Center实例上运行MATLAB Release R2017b，包括对预训练卷积神经网络(CNN)模型的支持。金宝app这些网络现在可用于MATLAB Release R2017a和MATLAB Release R2017b的所有实例:AlexNet、vg -16和VGG-19。您可以使用这些函数访问模型alexnet(深度学习工具箱)，vgg16(深度学习工具箱),vgg19(深度学习工具箱)．您可以使用这些预训练的模型进行分类和迁移学习。具体操作请参见白皮书MATLAB和多gpu的深度学习,预训练的深度神经网络(深度学习工具箱)．

Cloud Center支金宝app持新的G3实例系列。g3拥有多个具有高单精度性能的gpu，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详细信息，请参见选择支持的EC金宝app2实例机类型．

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worker访问S3中的数据。详细信息请参见使用MATLAB数据存储将数据传输到Amazon S3桶并访问数据．

三种预训练的卷积神经网络(CNN)模型现在仅在MATLAB R2017a版本的所有实例上可用:AlexNet、vg -16和VGG-19。您可以使用这些函数访问模型alexnet(深度学习工具箱)，vgg16(深度学习工具箱),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的模型进行分类和迁移学习。

详情请参见预训练的深度神经网络(深度学习工具箱)．

详细信息请参见开始使用云中心．

c4。xlarge, 2个物理核，7.5 GB内存

c4.2xlarge, 4个物理核，15gb内存

c4.4 .4xlarge, 8个物理核，30gb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, 4个物理核，61gb内存

r4.4 * large, 8个物理核，122gb内存

r4.8xlarge, 16个物理核，244gb内存

r4.16xlarge, 32个物理核，488 GB内存

i3。xlarge, 2个物理核，30.5 GB内存，950 GB临时存储

i3.2xlarge, 4个物理核，61 GB内存，1900 GB临时存储

i3.4 .4xlarge, 8个物理核，122gb内存，3800gb临时存储

i3.8xlarge, 16个物理核，244gb内存，7600gb临时存储

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

p2。xlarge, 2个物理核和1个GPU

p2.8xlarge, 16个物理核和8个gpu

p2.16xlarge, 32个物理核和16个gpu

r3。xlarge, 2个物理核，30.5 GiB内存

r3.2xlarge, 4个物理核，61 GiB内存

r3.4 × large, 8个物理核，122gib内存

r3.8xlarge, 16个物理核和244gib内存

VPC允许Cloud Center用户在您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．