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) 在 2025 年 5 月 31 日之后将没有更新。先前的版本将继续可用。请注意，任何公开发布的 AMI 在其创建日期两年后都会被 EC2 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）。

• 深度学习基础 OSS Nvidia 驱动程序 GPU AMI (Ubuntu 20.04) $ {} YYYY-MM-DD

• 深度学习基础专有 Nvidia 驱动程序 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

• 使用专有 Nvidia 驱动程序进行深度学习支持 G3（G3.16x 不支持）、P3、P3DN

• 支持的 Amazon 服务：亚马逊 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 在/usr/local/bin/aws2 和 Amazon CLI v1 在//usr/binaws

  • 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：//cuda-xx.x/ usr/local

    • 示例：/usr/local/cuda-12.1/

  • 编译的 NCCL 版本：2.22.3+ CUDA12.4

  • 默认 CUDA：12.1

    • PATH/usr/local/cuda 指向 CUDA 12.1

    • 更新以下环境变量：

      • LD_LIBRARY_PATH 需要有//cuda-12。usr/local1/lib:/usr/local/cuda-12。1/lib64:/usr/local/cuda-12.1:/ /cuda usr/local -12。1/targets/x86_64-linux/lib

      • 获取路径/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。usr/localx/efa/test-cuda-xx.x/

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

      • 常用 PATH 已经被添加到 LD_LIBRARY_PATH：

        • /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

• Nvidia GDRCopy：2.4

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

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

  • 安装路径：/opt/aws-ofi-nccl/。路径已添加到 LD_LI /opt/aws-ofi-nccl/lib BRARY_PATH。

  • 响铃、message _transfer 的测试路径：/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/dlaminvme

• AMI-ID 使用 SSM 参数查询（示例 Region 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

• AMI-ID 使用 AWSCLI 查询（示例 Region 是 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

使用多个网卡的 EC2 实例

• 许多支持 EFA 的实例类型也有多个网卡。

• DeviceIndex 对于每个网卡都是唯一的，并且必须是小于每个 ENI 限制的非负整数。 NetworkCard在 P5 上，每个 ENI 的数量 NetworkCard 为 2，这意味着的唯一有效值 DeviceIndex 为 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 EFA-only 网络接口作为主要网络接口。

  • 对于每个额外的网络接口，使用下一个未使用的网卡索引，即设备索引 1，以及 EFA（带有 ENA 的 EFA）或 EFA-only 网络接口，具体取决于您的用例，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，可以使用以下 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

• Nvidia 驱动程序版本从 550.144.03 升级到 550.163.01，以解决 2025 年 4 月版 NVIDIA GPU 显示器驱动程序安全公告中披露的 CVE 漏洞

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 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

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，现在可以在原版中找到该插件/opt/amazon/ofi-nccl。/opt/aws-ofi-nccl/如果更新 LD_LIBRARY_PATH 变量，请确保正确修改 OFI NCCL 位置。

• 已从这些 DLAMI 中删除 emacs 软件包。客户可以从 GNU emacs 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

• 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

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 EC2 实例的支持。

• 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

• Nvidia 驱动程序版本从 550.90.07 升级到 550.127.05，以解决 2024 年 10 月版 NVIDIA GPU 显示器安全公告中披露的 CVE 漏洞

• 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 从 2.16.2+ 版本升级 CUDA11.7

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

  • CUDA 12.3 从 2.21.5+ 版本升级 CUDA12.4

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

• 增加了对 P5e EC2 实例的支持。

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

• 增加了对 G6e EC2 实例的支持。

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

• 在目录/usr/local/cuda-11.7 处添加了返回 CUDA11.7 堆栈，支持 NCCL 2.16.2 CUDA11.7、cuDNN 8.7.0 作为 1.13 PyTorch CUDA11.7

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 插件从版本 1.7.4 更新到版本 1.9.1

• 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 Container Toolkit 文档直接使用 nvidia-container-toolkit 软件包。

• 使用 NCCL 2.21.5 CUDA12.3、cuDNN 8.9.7 添加了 CUDA12.3 堆栈

• 移除 CUDA11.7， CUDA12.0 堆栈存在于/usr/local/cuda-11.7 和//cuda-12.0 目录中 usr/local

• Nvidia Container Toolkit 版本从 1.13.5 更新为 1.15.0 时，移除了 nvidia-docker2 软件包及其命令 nvidia-docker，因此不再包括 nvidia-container-runtime 和 nvidia-docker2 软件包。

• 对于 OSS Nvidia Driver DLAMI，增加了 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 Proprietary 和 OSS Nvidia 驱动程序 DLAMI 中，Nvidia 驱动程序版本从 535.104.12 更新为 535.161.08。

• 从 Proprietary Nvidia Driver DLAMI 中移除了 G4dn、G5 EC2 实例支持。

• 每个 DLAMI 支持的新实例如下：

  • 使用专有 Nvidia 驱动程序进行深度学习支持 G3（G3.16x 不支持）、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 中添加到/usr/local/bin/aws2，在专有和 OSS Nvidia 驱动程序 AMI 上添加awscliv1为 usr/bin /aws

• 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。

• 对于 G5、G4dn、P4、P5，建议使用 OSS Nvidia Driver DLAMI。

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 程序包版本以使用的补丁。 CVE-2024-21626

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 上述查询位于要点下方 AMI-ID 使用 AWSCLI 进行查询（示例 Region 为 us-east-1）

• EFA 版本从 1.26.1 更新为 1.29.0

• GDRCopy 版本从 2.3 更新为 2.4

• Amazon OFI NCCL 插件从版本 1.7.2 更新到版本 1.7.3

• 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 更新为默认 CUDA 版本

  • 将 LD_LIBRARY_PATH 更新为//cuda-12。usr/local1/targets/x86_64-linux/lib/://cuda-12。usr/local1/lib:/usr/local/cuda-12。1/lib64:/usr/local/cuda-12.1 和 PATH 为//cuda-12。usr/local1/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

• 添加 CUDA12.2 于/usr/local/cuda-12.2

• 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 //grub 的 linux 启动参数中设置 net.naming-scheme=v247 来进行的 etc/default

• 将aws-ofi-nccl插件从 v1.7.1 更新到 v1.7.2

• 此 AMI 现在为 P5 和所有之前支持的 EC2 实例上的 Multi-node 训练功能提供支持。

• 对于 P5 EC2 实例，建议使用 NCCL 2.18，并已添加到和中。 CUDA12.0 CUDA12.1

• 移除了对 CUDA11.3 和的支持 CUDA11.4。

• 将 Amazon OFI NCCL 插件更新到 v1.7.1

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

  • 将 LD_LIBRARY_PATH 更新为//cuda-11。usr/local8/targets/x86_64-linux/lib/://cuda-11。usr/local8/lib:/usr/local/cuda-11。8/lib64:/usr/local/cuda-11.8 和 PATH 需要有//cuda-11。usr/local8/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//grub 的 linux 启动参数中设置 `intel_idle.max_cstate=1 processor.max_cstate=1` 来进行的 etc/default

• Amazon EC2 P5 实例支持：

  • 为使用单一 node/instance的工作流程添加了 P5 EC2 实例支持。 Multi-node 在即将发布的版本中将增加使用EFA（弹性结构适配器）和 Amazon OFI NCCL插件的支持（例如对多节点训练）的支持。

  • 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

• 添加 CUDA12.1 于/usr/local/cuda-12.1

• 通过 datacenter-gpu-manager 包增加了对 NVIDIA Data Center GPU Monitor（DCGM）的支持

  • 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 实例上，并且可以在文件夹//nvme/中访问存储。opt/dlami您可以通过下列方式来检查或修改此服务：

  • 检查 NVMe 服务的状态：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 卷为需要 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。临时性 NVMe 实例存储的费用已包含在实例的费用中，因此使用此服务不会产生任何额外成本。

• NVMe 实例存储只会被挂载到支持它们的 EC2 实例上。有关哪些 EC2 实例支持 NVMe 实例存储，请参阅可用实例存储卷并验证是否支持 NVMe。

• 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）- 在 EC2 实例上初始化实例存储卷。

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

• 将 DLAMI 名称从 Amazon 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。

• 将 Amazon OFI NCCL 插件路径从更新为 /usr/local/cuda-xx.x/efa/ /opt/aws-ofi-nccl/

• 将 NCCL 更新为 v2.16.2 的自定义 GIT 分支，该分支由所有 CUDA 版本 Amazon 和 NCCL 团队共同创作。它在 Amazon 基础设施上的表现更好。

• 添加 CUDA12.0 于/usr/local/cuda-12.0

• 增加了 Amazon FSx

• 在/usr/bin/python3.9 中添加了对 Python 3.9 版本的支持

  • 请注意，此更改并不能取代默认系统 Python，python3 仍将指向系统。 Python3.8

  • Python3.9 可以使用以下命令进行访问：

    /usr/bin/python3.9
    python3.9

• 已 CUDA11.0-11.1 从/usr/local/cuda-11.x/ 中移除，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。DLAMI 支持策略

• 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

  • 已更新aws-ofi-nccl到包含 p4de 1.3.0-aws .24xlarge 拓扑结构的版本。

• EFA 版本从 1.15.0 更新为 1.15.1

• 初始版本