Amazon深度学习基础 GPU AMI (Ubuntu 20.04)

• Ubuntu Linux 20.04 LTS 于 2025 年 5 月 31 日到达其五年长期支持（LTS）窗口的终点，此后将不再获得其供应商的支持。因此，Amazon深度学习基础GPU AMI（Ubuntu 20.04）将在2025年5月31日之后没有更新。先前的版本将继续可用。请注意，任何公开发布的 AMI 都将在其创建之日起 2 年 EC2 后被弃用。有关更多信息，请参阅弃用 Amazon EC2 AMI。

• 自该日到 2025 年 8 月 31 日的三个月内，仅针对功能性问题提供支持（不提供安全补丁）。

• Ubuntu 20.04 DLAMI 的用户应迁移到 Amazon Deep Learning Base GPU AMI（Ubuntu 22.04）或 Amazon Deep Learning Base GPU AMI（Ubuntu 24.04）。或者，可以使用 Amazon Deep Learning Base AMI（Amazon Linux 2023）。

• Deep Learning Base OSS Nvidia Driver GPU AMI（Ubuntu 20.04）${YYYY-MM-DD}

• Deep Learning Base Proprietary Nvidia Driver GPU AMI（Ubuntu 20.04）${YYYY-MM-DD}

• 请参阅 DLAMI 的重要更改。

• 采用 OSS Nvidia Driver 的 Deep Learning 支持 G4dn、G5、G6、Gr6、G6e、P4d、P4de、P5、P5e、P5en

• 采用 Proprietary Nvidia Driver 的 Deep Learning 支持 G3（不支持 G3.16x）、P3、P3dn

• 支持的Amazon服务：Amazon EC2

• 操作系统：Ubuntu 20.04

• 计算架构：x86

• 已为以下软件包安装了最新的可用版本：

  • Linux 内核 5.15

  • FSx Lustre

  • Docker

  • Amazon CLI v2 位于/usr/local/bin/aws2 和 Amazon CLI v1 位于/usr/bin/aws

  • NVIDIA DCGM

  • Nvidia Container Toolkit：

    • 版本命令： nvidia-container-cli-V

  • Nvidia-docker2：

    • 版本命令：nvidia-docker 版本

• NVIDIA Driver：

  • OSS Nvidia 驱动程序：550.163.01

  • Proprietary Nvidia Driver：550.163.01

• NVIDIA CUDA 11.7、12.1-12.4 堆栈：

  • CUDA、NCCL 和 cudDN 安装目录：/-xx.x/ usr/local/cuda

    • 示例：/usr/local/cuda-12.1/

  • 已编译的 NCCL 版本：2.22.3+ .4 CUDA12

  • 默认 CUDA：12.1

    • 路径/ usr/local/cuda 指向 CUDA 12.1

    • 更新以下环境变量：

      • LD_LIBRARY_PATH 要有/usr/local/cuda-12.1/lib:/usr/local/cuda-12.1/lib64:/usr/local/cuda-12.1:/usr/local/cuda-12.1/targets/x86_64-linux/lib

      • 拥有路径/usr/local/cuda-12.1/bin/:/usr/local/cuda-12.1/include/

      • 对于任何不同的 CUDA 版本，请相应地更新 LD_LIBRARY_PATH。

  • NCCL 测试位置：

    • all_reduce、all_gather 和 reduce_scatter：/-cuda-xx.x/ usr/local/cuda-xx.x/efa/test

    • 要运行 NCCL 测试，需要传递包含以下更新的 LD_LIBRARY_PATH。

      • 已 PATHs 在 LD_LIBRARY_PATH 中添加了常见内容：

        • /opt/amazon/efa/lib:/opt/amazon/openmpi/lib:/opt/aws-ofi-nccl/lib:/usr/local/lib:/usr/lib

      • 对于任何不同的 CUDA 版本，请相应地更新 LD_LIBRARY_PATH。

• EFA 安装程序：1.39.0

• 英伟达 GDRCopy：2.4

• Amazon OFI NCCL 插件：作为 EFA Installer-Amazon 的一部分安装

  • Amazon OFI NCCL 现在支持单一版本的多个 NCCL 版本

  • 安装路径：/已添加到 LD_L opt/aws-ofi-nccl/ . Path /opt/aws-ofi-nccl/lib IBRARY_PATH。

  • 测试响铃的路径，消息传输：/opt/aws-ofi-nccl/tests

• EBS 卷类型：gp3

• Python：/usr/bin/python3.9

• NVMe 实例存储位置（在支持的 EC2 实例上）：/opt/dlami/nvme

• 使用 SSM 参数查询 AMI-ID（示例区域为 us-east-1）：

  • OSS Nvidia Driver：

    aws ssm get-parameter --region us-east-1 \
        --name /aws/service/deeplearning/ami/x86_64/base-oss-nvidia-driver-gpu-ubuntu-20.04/latest/ami-id  \
        --query "Parameter.Value" \
        --output text

  • Proprietary Nvidia Driver：

    aws ssm get-parameter --region us-east-1 \
        --name /aws/service/deeplearning/ami/x86_64/base-proprietary-nvidia-driver-gpu-ubuntu-20.04/latest/ami-id \
        --query "Parameter.Value" \
        --output text

• 使用以下方式查询 AMI-ID AWSCLI （示例区域为 us-east-1）：

  • OSS Nvidia Driver：

    aws ec2 describe-images --region us-east-1 \
        --owners amazon \
        --filters 'Name=name,Values=Deep Learning Base OSS Nvidia Driver GPU AMI (Ubuntu 20.04) ????????' 'Name=state,Values=available' \
        --query 'reverse(sort_by(Images, &CreationDate))[:1].ImageId' \
        --output text

  • Proprietary Nvidia Driver：

    aws ec2 describe-images --region us-east-1 \
        --owners amazon \
        --filters 'Name=name,Values=Deep Learning Base Proprietary Nvidia Driver GPU AMI (Ubuntu 20.04) ????????' 'Name=state,Values=available' \
        --query 'reverse(sort_by(Images, &CreationDate))[:1].ImageId' \
        --output text

EC2 带有多个网卡的实例

• 许多支持 EFA 的实例类型也有多个网卡。

• DeviceIndex 对于每个网卡来说都是唯一的，并且必须是小于 ENIs p NetworkCard er 限制的非负整数。在 P5 上，p ENIs er 的数量 NetworkCard 为 2，这意味着的唯一有效值 DeviceIndex 是 0 或 1。

  • 对于主网络接口（网卡索引 0、设备索引 0），创建一个 EFA（兼具 ENA 功能的 EFA）接口。您不能使用仅限 EFA 的网络接口作为主网络接口。

  • 对于每个附加的网络接口，请使用下一个未使用的网卡索引、设备索引 1 以及 EFA（兼具 ENA 功能的 EFA）或仅 EFA 的网络接口，具体取决于您的使用案例，例如 ENA 带宽要求或 IP 地址空间。有关使用案例示例，请参阅 P5 实例的 EFA 配置。

  • 有关更多信息，请参阅此处的《EFA 指南》。

P5/P5e 实例

• P5 和 P5e 实例包含 32 个网络接口卡，可以使用以下命令启动：Amazon CLI

P5en 实例

• P5en 包含 16 个网络接口卡，可使用以下Amazon CLI命令启动：

内核

• 使用以下命令固定内核版本：

  echo linux-aws hold | sudo dpkg —set-selections
  echo linux-headers-aws hold | sudo dpkg —set-selections
  echo linux-image-aws hold | sudo dpkg —set-selections

• 我们建议用户避免更新其内核版本（除非为了安全修补原因），以确保与已安装的驱动程序和软件包版本兼容。如果用户仍希望更新，则可以运行以下命令来取消固定内核版本：

  echo linux-aws install | sudo dpkg -set-selections
  echo linux-headers-aws install | sudo dpkg -set-selections
  echo linux-image-aws install | sudo dpkg -set-selections

• 对于每个新版本的 DLAMI，使用最新可用的兼容内核。

AMI 名称

• Deep Learning Base OSS Nvidia Driver GPU AMI（Ubuntu 20.04）20250424

• Deep Learning Base Proprietary Nvidia Driver GPU AMI（Ubuntu 20.04）20250424

• 将 Nvidia 驱动程序从 550.144.03 版升级到 550.163.01 版，以解决 2025 年 4 月 NVIDIA G PU CVEs 显示器驱动程序安全公告中提到的问题

AMI 名称

• Deep Learning Base OSS Nvidia Driver GPU AMI（Ubuntu 20.04）20250214

• Deep Learning Base Proprietary Nvidia Driver GPU AMI（Ubuntu 20.04）20250214

• 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。

• 删除了 NV IDIA CUDA 工具包提供的用户空间库 cuobj 和 nvd isasm，以解决在 2025 年 2 月 18 日的 NVIDIA CUDA 工具包安全公告中 CVEs 出现的问题

AMI 名称

• Deep Learning Base OSS Nvidia Driver GPU AMI（Ubuntu 20.04）20250204

• Deep Learning Base Proprietary Nvidia Driver GPU AMI（Ubuntu 20.04）20250204

• EFA 版本从 1.37.0 升级到 1.38.0

  • EFA 现在捆绑了Amazon OFI NCCL 插件，该插件现在可以在 /-ofi-nccl/ 中找到。opt/amazon/ofi-nccl rather than the original /opt/aws如果更新 LD_LIBRARY_PATH 变量，请确保正确修改 OFI NCCL 位置。

• emacs 软件包已从这些 DLAMIs软件包中删除。客户可以从 GNU emacs 中安装 emacs。https://www.gnu.org/software/emacs/download.html

AMI 名称

• Deep Learning Base OSS Nvidia Driver GPU AMI（Ubuntu 20.04）20250117

• Deep Learning Base Proprietary Nvidia Driver GPU AMI（Ubuntu 20.04）20250117

• 将 Nvidia 驱动程序从 550.127.05 版升级到 550.144.03 版，以解决 2025 年 1 月 NVIDIA G PU CVEs 显示器驱动程序安全公告中提到的问题

AMI 名称

• Deep Learning Base OSS Nvidia Driver GPU AMI（Ubuntu 20.04）20241206

• Deep Learning Base Proprietary Nvidia Driver GPU AMI（Ubuntu 20.04）20241206

• Nvidia Container Toolkit 版本从 1.17.0 升级到 1.17.3

• 增加了对 P5en 实例 EC2 的支持。

• EFA 安装程序版本从 1.35.0 升级到 1.37.0

• 将Amazon OFI NCCL 插件从 1.12.1-aws 版本升级到 1.13.0-aws

AMI 名称

• Deep Learning Base OSS Nvidia Driver GPU AMI（Ubuntu 20.04）20241025

• Deep Learning Base Proprietary Nvidia Driver GPU AMI（Ubuntu 20.04）20241025

• 将 Nvidia 驱动程序从 550.90.07 版升级到 550.127.05 版，以解决 2024 年 10 月 NVIDIA GPU CVEs 显示屏安全公告中提到的问题

• Nvidia Container Toolkit 版本从 1.16.1 升级到 1.16.2

• Nvidia 驱动程序和 Fabric Manager 版本从 535.183.01 升级到 550.90.07

• EFA 版本从 1.32.0 升级到 1.34.0

• 针对所有 CUDA 版本将 NCCL 升级到最新版本 2.22.3

  • CUDA 11.7 已从 2.16.2+ 版本升级 .7 CUDA11

  • CUDA 12.1、12.2 从 2.18.5+ 升级 .2 CUDA12

  • CUDA 12.3 从 2.21.5+ 版本升级 .4 CUDA12

• 在目录中添加了 CUDA 工具包 12.4 版本 /-12.4 usr/local/cuda

• 增加了对 P5e 实例 EC2 的支持。

• 移除了目录中存在的 CUDA Toolkit 版本 11.8 堆栈 /-11.8 usr/local/cuda

• 增加了对 G6e 实例 EC2 的支持。

AMI 名称

• Deep Learning Base OSS Nvidia Driver GPU AMI（Ubuntu 20.04）20240606

• Deep Learning Base Proprietary Nvidia Driver GPU AMI（Ubuntu 20.04）20240606

• Nvidia 驱动程序版本从 535.183.01 更新为 535.161.08

AMI 名称

• Deep Learning Base OSS Nvidia Driver GPU AMI（Ubuntu 20.04）20240515

• Deep Learning Base Proprietary Nvidia Driver GPU AMI（Ubuntu 20.04）20240515

• 在/usr/local/cuda-11 CUDA11 .7 目录中添加了 .7 堆栈，其中有 .7、NCCL 2.16 CUDA11 .2、cudnn 8.7.0，因为 1.13 支持 .7 PyTorch CUDA11

AMI 名称

• Deep Learning Base OSS Nvidia Driver GPU AMI（Ubuntu 20.04）20240502

• Deep Learning Base Proprietary Nvidia Driver GPU AMI（Ubuntu 20.04）20240502

• EFA 版本从 1.30 更新为 1.32

• 将Amazon OFI NCCL 插件从 1.7.4 版更新到 1.9.1 版

• Nvidia Container Toolkit 版本从 1.13.5 更新为 1.15.0

  • 版本 1.15.0 不包括 nvidia-container-runtime和 nvidia-docker2 软件包。建议按照 Nvidia 容器工具 nvidia-container-toolkit包文档直接使用软件包。

• 添加了 CUDA12 .3 堆栈，包含 CUDA12 .3、NCCL 2.21.5、cudnn 8.9.7

• 移除了 CUDA11 /-12 CUDA12 .0 目录中存在的 .7、.0 堆栈 usr/local/cuda-11.7 and /usr/local/cuda

• 作为从 1.13.5 到 1.15.0 的 Nvidia 容器工具包更新的一部分，删除了 nvidia-docker2 软件包及其命令 nvidia-docker，其中不包括和 nvidia-docker2 软件包。 nvidia-container-runtime

• 对于 OSS Nvidia 驱动程序 DLAMIs，添加了 G6 和 Gr6 EC2 实例支持。有关更多信息，请参阅推荐的 GPU 实例。

AMI 名称

• Deep Learning Base OSS Nvidia Driver GPU AMI（Ubuntu 20.04）20240326

• Deep Learning Base Proprietary Nvidia Driver GPU AMI（Ubuntu 20.04）20240326

• 在专有和 OSS Nvidia 驱动程序中，将 Nvidia 驱动程序从 535.104.12 更新为 535.161.08。 DLAMIs

• 从 Nvidia 专有驱动程序 DLAMI 中移除了 G4dn、G5 EC2 实例支持。

• 每个 DLAMI 支持的新实例如下：

  • 采用 Proprietary Nvidia Driver 的 Deep Learning 支持 G3（不支持 G3.16x）、P3、P3dn

  • 采用 OSS Nvidia Driver 的 Deep Learning 支持 G4dn、G5、P4d、P4de、P5。

AMI 名称

• Deep Learning Base OSS Nvidia Driver GPU AMI（Ubuntu 20.04）20240318

• Deep Learning Base Proprietary Nvidia Driver GPU AMI（Ubuntu 20.04）20240318

• 在 AMI awscliv2 中添加awscliv1为/usr/local/bin/aws2，在专有和 OSS Nvidia 驱动程序 AMI usr/bin/aws 上添加为/

• 更新了 OSS Nvidia Driver DLAMI，支持 G4dn 和 G5，更新后的当前支持如下：

  • Deep Learning Base Proprietary Nvidia Driver AMI（Ubuntu 20.04）支持 P3、P3dn、G3、G5、G4dn。

  • Deep Learning Base OSS Nvidia Driver AMI（Ubuntu 20.04）支持 G5、G4dn、P4、P5。

• 建议将 OSS Nvidia 驱动程序 DLAMIs 用于 G5、G4dN、P4、P5。

AMI 名称

• Deep Learning Base OSS Nvidia Driver GPU AMI（Ubuntu 20.04）20240208

• Deep Learning Base Proprietary Nvidia Driver GPU AMI（Ubuntu 20.04）20240208

• Amazon OFI NCCL 插件已从 1.7.3 更新到 1.7.4

AMI 名称

• Deep Learning Base OSS Nvidia Driver GPU AMI（Ubuntu 20.04）20240201

• Deep Learning Base Proprietary Nvidia Driver GPU AMI（Ubuntu 20.04）20240201

• 更新了 runc 包版本以使用针对 CVE-2024-21626 的补丁。

AMI 名称

• Deep Learning Base OSS Nvidia Driver GPU AMI（Ubuntu 20.04）20231204

• Deep Learning Base Proprietary Nvidia Driver GPU AMI（Ubuntu 20.04）20231204

• Amazon深度学习 AMI (DLAMI) 分为两个独立的组：

  • 使用 Nvidia Proprietary Driver 的 DLAMI（以支持 P3、P3dn、G3、G5、G4dn）。

  • 使用 Nvidia OSS Driver 以启用 EFA 的 DLAMI（以支持 P4、P5）。

• 有关 DLAMI 拆分的更多信息，请参阅 DLAMI 的重要更改。

• Amazon CLI上面的查询位于要点查询 AMI-ID 下 AWSCLI （示例区域为 us-east-1）

• EFA 版本从 1.26.1 更新为 1.29.0

• GDRCopy 已从 2.3 更新到 2.4

• Amazon OFI NCCL 插件从 1.7.2 版更新到 1.7.3 版

• CUDA 12.0-12.1 目录中的 NCCL 版本更新为 2.18.5 以与 CUDA 12.2 环境保持一致

• CUDA12.1 已更新为默认 CUDA 版本

  • 将 LD_LIBRARY_PATH 更新为有//usr/local/cuda-12.1/targets/x86_64-linux/lib/:/usr/local/cuda-12.1/lib:/usr/local/cuda-12.1/lib64:/usr/local/cuda-12.1 and PATH to have /usr/local/cuda-12.1/bin

  • 对于想要切换到任何不同 CUDA 版本的客户，请相应地定义 LD_LIBRARY_PATH 和 PATH 变量。

• NVIDIA Driver 版本从 535.54.03 更新为 535.104.12

  • 这个最新的驱动程序修复了在 535.54.03 版本中发现的 NVML ABI 中断性变更，以及在 535.86.10 版本中发现的影响 P5 实例上 CUDA Toolkit 的驱动程序回归问题。有关修复的详细信息，请参阅以下 NVIDIA 发布说明：

  • 有关修复的详细信息，请参阅以下 NVIDIA 发布说明：

    • 4235941 - NVML ABI 中断性变更修复

    • 4228552 - CUDA Toolkit 错误修复

• 将 CUDA 12.2 目录下的 NCCL 版本更新为 2.18.5

• EFA 版本从 1.24.1 更新为最新的 1.26.1

• 在/usr/local/cuda- CUDA12 12.2 处添加了 .2

• 移除了对 CUDA 11.5 和 CUDA 11.6 的支持

• 增加了 net.naming-scheme 变更，以修复 P5 上出现的不可预测的网络接口命名问题（链接）。此更改是通过在文件的 linux 启动参数中设置 net.naming-scheme=v247 来完成的/etc/default/grub

• 将 aws-ofi-nccl插件从 1.7.1 版本更新到 1.7.2 版本

• 此 AMI 现在支持 P5 和以前 EC2 支持的所有实例上的多节点训练功能。

• EC2 例如 P5，建议使用 NCCL 2.18，该版本已添加到 CUDA12 .0 和 .1 中。 CUDA12

• 移除了对 CUDA11 .3 和 CUDA11 .4 的支持。

• 将Amazon OFI NCCL 插件更新到 v1.7.1

• 将 CUDA11 .8 设为默认 PyTorch 2.0 支持 11.8，对于 P5 EC2 实例，建议使用 >= .8 CUDA11

  • 将 LD_LIBRARY_PATH 更新为有//usr/local/cuda-11.8/targets/x86_64-linux/lib/:/usr/local/cuda-11.8/lib:/usr/local/cuda-11.8/lib64:/usr/local/cuda-11.8 and PATH to have /usr/local/cuda-11.8/bin

  • 对于任何不同的 cuda 版本，请相应地定义 LD_LIBRARY_PATH。

• 将 CUDA 12.0、12.1 目录下的 NCCL 版本更新为 2.18.3

• 修复了之前发布日期 2023-07-19 中提到的 Nvidia Fabric Manager（FM）软件包加载问题。

• EFA 版本从 1.22.1 更新为 1.24.1

• NVIDIA 驱动程序版本从 525.85.12 更新为 535.54.03

• 通过将 max c-state 设置为 C1，增加了 c-state 变更以禁用处理器的空闲状态。此更改是通过在文件/的 linux 启动参数中设置 `intel_idle.max_cstate=1 processor.max_cstate=1` 来实现的 etc/default/grub

• Amazon EC2 P5 实例支持：

  • 为使用单节点/ EC2 实例的工作流程添加了 P5 实例支持。在即将发布的版本中，将添加使用 EFA（弹性结构适配器）和Amazon OFI NCCL 插件的多节点支持（例如用于多节点训练）。

  • 请使用 CUDA>=11.8 以获得最佳性能。

  • 已知问题：Nvidia Fabric Manager（FM）软件包在 P5 上加载时间较长，客户在启动 P5 实例后需要等待 2-3 分钟才能加载 FM。要检查 FM 是否已启动，请运行命令 sudo systemctl is-active nvidia-fabricmanager，在开始任何工作流之前，该命令应该返回 active 状态。将在未来的版本中修复该问题。

• EFA 更新到最新版本 1.22.1

• 将 CUDA 12.1 环境下的 NCCL 版本更新为 2.17.1

• 在/usr/local/cuda- CUDA12 12.1 处添加了 .1

• 通过该软件包增加了对 NVIDIA 数据中心 GPU 监视器 (DCGM) 的 datacenter-gpu-manager支持

  • 您可以通过以下查询来查看此服务的状态：sudo systemctl status nvidia-dcgm

• 临时 NVMe 实例存储现在会自动挂载到支持的 EC2 实例，并且可以在文件夹//中访问存储。opt/dlami/nvme您可以通过下列方式来检查或修改此服务：

  • 检查 NVMe 服务状态：sudo systemctl status dlami-nvme

  • 要访问或修改服务，请执行以下操作：/opt/aws/dlami/bin/nvme_ephemeral_drives.sh

• NVMe volumes 为需要 IOPS 性能的高吞吐量工作流程提供了最快、最高效的存储解决方案。实例费用中包含临时 NVMe 实例存储，因此此服务不会产生额外费用。

• NVMe 只有支持实例存储的 EC2 实例上才会挂载实例存储。有关 NVMe 支持 EC2 实例存储的实例的信息，请参阅可用实例存储卷并验证 NVMe 是否受支持。

• 为了提高磁盘性能并减少首次写入的损失，您可以初始化实例存储（注意，此过程可能需要几个小时，具体取决于 EC2 实例类型）-初始化实例上的 EC2 实例存储卷

• 注意： NVMe 实例存储挂载在实例上，不像 EBS 那样连接到网络。在您的实例重启或停止时，这些 NVMe 卷上的数据可能会丢失。

• 将 DLAMI 名称Amazon从深度学习基础 AMI GPU CUDA 11 (Ubuntu 20.04) $ {YYYY-MM-DD} 更新为深度学习基础 GPU AMI (Ubuntu 20.04) $ {YYYY-MM-DD}

  • 请注意，自本次发布起，我们将在一个月内继续使用旧的 AMI 名称来支持最新的 DLAMI，以应对任何所需的支持。客户可以更新其操作系统包 apt-get update && apt-get upgrade 以使用安全补丁。

• 从 /-Amazon ofi-nccl/ 更新了 OFI NCCL 插件路径 usr/local/cuda-xx.x/efa/ to /opt/aws

• 将 NCCL 更新为 v2.16.2 的自定义 GIT 分支，该分支由 NCCL Amazon和 NCCL 团队共同撰写，适用于所有 CUDA 版本。它在Amazon基础架构上的表现更好。

• 在/usr/local/cuda- CUDA12 12.0 处添加了 .0

• 添加了 Amazon FSx

• 在 /3.9 版本中增加了对 Python 3. usr/bin/python 9 版本的支持

  • 请注意，此更改并不会替换默认的系统 Python，python3 仍然指向系统 Python3.8。

  • 可以使用以下命令访问 Python3.9：

    /usr/bin/python3.9
    python3.9

• 从/ CUDA11-11. usr/local/cuda x/ 中移除了.0-11.1，因为根据框架支持政策，任何支持的框架版本均未使用它们。

• 此版本增加了对新 EC2 实例 p4de.24xlarge 的支持。

  • 已更新 aws-efa-installer至 1.15.2 版本

  • 已更新 aws-ofi-nccl至 1.3.0-aws 版本，其中包含 p4de.24xlarge 的拓扑。

• EFA 版本从 1.15.0 更新为 1.15.1

• 初始版本