框架Support 政策 - Amazon 深度学习容器
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅 中国的 Amazon Web Services 服务入门 (PDF)

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

框架Support 政策

AmazonD@@ eep Learning Containers (DLC) 简化了深度学习工作负载的映像配置,并使用最新的框架、硬件、驱动程序、库和操作系统进行了优化。本页详细介绍了 DLC 的框架支持政策。有关可用 DLC 的列表,请参阅De ep Learning Containers 发行说明

支持的框架

参考下面的 AmazonDeep Learning Containers 框架Support 策略表,查看哪些框架和版本得到积极支持

请参阅 E nd of patch 查看原始框架维护团队积极支持的当前版本Amazon支持多长时间。框架和版本可在单框架 DLC 中找到。

注意

在框架版本 x.y.z 中,x 指主要版本,y 指次要版本,z 指补丁版本。例如,对于 TensorFlow 2.6.5,主要版本为 2,次要版本为 6,补丁版本为 5。

有关特定图像的更多详细信息,请参阅发行说明:

常见问题

哪些框架版本会获得安全补丁?

如果框架版本在 “Dee Amazonp Learning Containers 框架Support 策略” 表中标记为 “支持”,则会获得安全补丁。

新框架版本Amazon发布时会发布哪些图像?

我们会在和的新版本发布后不久发布新 TensorFlow PyTorch的 DLC。这包括主要版本、主要次要版本和框架 major-minor-patch 版本。当新版本的驱动程序和库可用时,我们还会更新映像。有关映像维护的更多信息,请参阅对我的框架版本的主动支持何时结束?

哪些图像有新增 SageMaker/Amazon功能?

新功能通常会在 PyTorch 和的最新版本的 DLC 中发布 TensorFlow。有关新增 SageMaker 或Amazon功能的详细信息,请参阅特定图像的发行说明。有关可用 DLC 的列表,请参阅De Amazonep Learning Containers 发行说明。有关映像维护的更多信息,请参阅对我的框架版本的主动支持何时结束?

当前版本在支持的框架表中是如何定义的?

D Amazoneep LAmazon earning Containers 框架Support 策略表中的当前版本是指在上提供的最新框架版本 GitHub。每个最新版本都包含对 DLC 中驱动程序、库和相关软件包的更新。有关映像维护的信息,请参见对我的框架版本的主动支持何时结束?

如果我运行的版本不在 “支持的框架” 表中,该怎么办?

如果您运行的版本不在 D Amazoneep Learning Containers Framework Support Policy 表中,则可能没有最新的驱动程序、库和相关软件包。要获得更多 up-to-date 版本,我们建议您使用您选择的最新 DLC 升级到可用的支持框架之一。有关可用 DLC 的列表,请参阅De Amazonep Learning Containers 发行说明

DLC 是否支持以前版本的 TensorFlow?

否。 如Dee Amazonp Learning Containers 框架Support 政策表中所述,我们支持每个框架自首次 GitHub 发布之日起 365 天发布的最新主要版本的最新补丁版本。有关更多信息,请参阅如果我运行的版本不在 “支持的框架” 表中,该怎么办?

我怎样才能找到支持的框架版本的最新补丁镜像?

要使用具有最新框架版本的 DLC,请浏览 DLC GitHub 发行标签以找到您选择的示例图片 URI,然后使用它提取最新的可用的 Docker 镜像。您选择的框架版本必须在 “Dee Amazonp Learning Containers 框架Support 策略” 表中标记为 “支持”。

新图片的发布频率如何?

提供更新的补丁版本是我们的首要任务。我们通常会尽早创建补丁图像。我们会监控新修补的框架版本(例如 TensorFlow 2.9 到 TensorFlow 2.9.1)和新的次要发行版本(例如 TensorFlow 2.9 到 TensorFlow 2.10),并尽早提供它们。当使用新版本 TensorFlow 的 CUDA 发布现有版本时,我们会为该版本发布新的 DLC, TensorFlow 并支持新的 CUDA 版本。

我的工作负载正在运行时,我的实例会被修补到位吗?

否。 DLC 的补丁更新不是 “就地” 更新。

您必须在不终止实例的情况下删除实例上的现有镜像并提取最新的容器镜像。

当有新的补丁或更新的框架版本可用时会发生什么?

定期在发行说明页面上查看您的图片。我们鼓励您在新的补丁或更新的框架可用时将其升级。有关可用 DLC 的列表,请参阅De Amazonep Learning Containers 发行说明

依赖关系是否在不更改框架版本的情况下进行了更新?

我们在不更改框架版本的情况下更新依赖关系。但是,如果依赖项更新导致不兼容,我们会使用不同的版本创建镜像。请务必查看D Amazoneep Learning Containers 发行说明,了解更新的依赖关系信息。

对我的框架版本的主动支持何时结束?

DLC 图像是不可变的。它们一旦被创建,它们就不会改变。终止对框架版本的主动支持有四个主要原因:

注意

由于版本补丁升级和安全补丁的频率很高,我们建议您经常查看 DLC 的发行说明页面,并在做出更改时进行升级。

框架版本(补丁)升级

如果您的 DLC 工作负载基于 TensorFlow 2.7.0 且 TensorFlow版本为 2.7.1 GitHub,则使用 TensorFlow 2.7.1Amazon 发布新的 DLC。2.7.0 版本的新映像发布后,2.7.0 版本的先前映像将不再处于活跃状态。 TensorFlow TensorFlow 2.7.0 版本的 DLC 不会收到更多补丁。然后,使用最新信息更新 TensorFlow 2.7 的 DLC 发行说明页面。每个次要补丁都没有单独的发行说明页面。

由于补丁升级而创建的新 DLC 将使用更新的发布标签进行指定。如果更改不向后兼容,则标签将更改主要版本而不是次要版本(例如 v1.0 将更改为 v2.0 而不是 v 1.2)。

Amazon安全补丁

如果您的工作负载基于 TensorFlow 2.7.0 版本的映像并Amazon制作了安全补丁,则将发布适用于 TensorFlow 2.7.0 的新版本的 DLC。 TensorFlow 2.7.0 版本的图像已不再主动维护。有关更多信息,请参阅我的工作负载正在运行时,我的实例会被修补到位吗?有关查找最新 DLC 的步骤,请参阅我怎样才能找到支持的框架版本的最新补丁镜像?

由于补丁升级而创建的新 DLC 将使用更新的发布标签进行指定。如果更改不向后兼容,则标签将更改主要版本而不是次要版本(例如 v1.0 将更改为 v2.0 而不是 v 1.2)。

补丁结束日期(过期)

DLC 的补丁将在 GitHub 发布日期 365 天后到期。

重要

当有重大框架更新时,我们会例外。例如。如果 TensorFlow 1.15 更新到 TensorFlow 2.0,那么我们将继续支持 TensorFlow 1.15 的最新版本,自 GitHub 发布之日起两年或原始框架维护团队放弃支持后的六个月(以较早的日期为准)。

依赖关系 end-of-support

如果您正在使用 Python 3.6 的 TensorFlow 2.7.0 DLC 映像上运行工作负载,并且该版本的 Python 已标记为,则所有基于 Python 3.6 的 DLC 映像都将不再被主动维护。 end-of-support同样,如果将像 Ubuntu 16.04 这样的操作系统版本标记为 Ubuntu 16.04,则所有依赖于 end-of-support Ubuntu 16.04 的 DLC 镜像都将不再被主动维护。

框架版本已不再主动维护的镜像会被打补丁吗?

否。 不再主动维护的图片将不会发布新版本。

如何使用较旧的框架版本?

要使用框架版本较早的 DLC,请浏览 DLC GitHub 发行标签以找到您选择的图像 URI,然后使用它来提取 docker 镜像。

如何 up-to-date 应对框架及其版本的支持变化?

up-to-date 使用 DLC 发行说明和 “可用的Deep Learning Con tainers 镜像” 页面,继续关注 DL C 框架和版本。

我需要商业许可证才能使用 Anaconda 存储库吗?

Anaconda转向了针对某些用户的商业许可模式。积极维护的 DLC 已从 Anaconda 频道迁移到公开发布的开源版本的 C onda(conda-forge)。

警告

如果您正在积极使用 Anaconda 在不再主动维护的 DLC 中安装和管理您的软件包及其依赖关系,则如果您确定这些条款适用于您,则有责任遵守 Anaconda Re pository 的管理许可。或者,您可以迁移到Dee Amazonp Learning Containers 框架Support 策略表中列出的当前支持的 DLC 之一,也可以使用 conda-forge 作为源安装软件包。