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。
发布说明存档
发布日期：2025-02-17
AMI 名称：深度学习 OSS Nvidia 驱动程序 AMI GPU PyTorch 2.5.1 (Ubuntu 22.04) 20250216
已更新
NVIDIA Container Toolkit 版本从 1.17.3 更新为 1.17.4
有关更多信息，请参阅此处的发行说明页面：https://github.com/NVIDIA/nvidia-container-toolkit/releases/tag/v1.17.4
在 Container Toolkit 版本 1.17.4 中，现在禁用挂载 CUDA 兼容性库。为了确保与容器工作流中的多个 CUDA 版本兼容，请确保更新 LD_LIBRARY_PATH 以包含您的 CUDA 兼容性库，如如果您使用 CUDA 兼容层教程中所示。
已删除
删除了 NVIDIA CUDA Toolkit
提供的用户空间库 cuobj 和 nvdisasm，以解决 2025 年 2 月 18 日版 NVIDIA CUDA Toolkit 安全公告 中披露的 CVE 漏洞
发布日期：2025-01-21
AMI 名称：深度学习 OSS Nvidia 驱动程序 AMI GPU PyTorch 2.5.1 (Ubuntu 22.04) 20250119
已更新
Nvidia 驱动程序版本从 550.127.05 升级到 550.144.03，以解决 2025 年 1 月版 NVIDIA GPU 显示器驱动程序安全公告
中披露的 CVE 漏洞。
发布日期：2024-11-21
AMI 名称：深度学习 OSS Nvidia 驱动程序 AMI GPU PyTorch 2.5.1 (Ubuntu 22.04) 20241121
新增了
深度学习 AMI GPU PyTorch 2.4.1 (Ubuntu 22.04) 系列的首次发布。包括配备 NVIDIA 驱动程序 R550、CUDA=12.4.1、cuda=8.9.7、NCCL=2.21.5 和 EFA=1.37.0 的 conda 环境。 PyTorch
Fixed
由于 Ubuntu 内核为解决内核地址空间布局随机化 (KASLR) 功能中的缺陷而进行了更改，因此 G4Dn/G5 实例无法在 OSS Nvidia 驱动程序上正确初始化 CUDA。为缓解此问题，该 DLAMI 包括了一项功能，可为 G4Dn 和 G5 实例动态加载专有驱动程序。为了确保您的实例能够正常工作，请为此加载预留一段短暂的初始化时间。
要查看此服务的状态和运行情况，您可以使用以下命令：
sudo systemctl is-active dynamic_driver_load.serviceactive