Deep Learning AMI (Amazon Linux) 2.0 版的发行说明详细信息
AWS Deep Learning AMI
AWS Deep Learning AMI 预置了 CUDA 8 和 9 以及若干深度学习框架。DLAMI 与 Python2 和 Python3 共用 Anaconda 平台，可以轻松地在框架之间切换。
此发行版的亮点
-
已将 Deep Learning Base AMI (Amazon Linux) 用作基础 AMI
-
CUDA 9
-
CuDNN 7.0.3
-
NCCL 2.1
-
CuBLAS 8 和 9
-
glibc 2.18
-
OpenCV 3.2.0
-
改进了加载 Conda 环境的性能
预置了的深度学习框架
-
Apache MXNet：MXNet 是一个灵活、高效、可移植且可扩展的开源库，用于进行深度学习。它支持各种编程语言的声明式和命令式编程模型，使编写功能强大的深度学习应用程序变得很简单。MXNet 非常高效，本身支持可以在分布式环境中并行化的源代码部分的自动并行计划。MXNet 也很容易移植，内存优化技术的使用使它能在手机上运行完整的服务器。
-
使用的分支/标签：v1.0
-
理由：稳定和全面的测试
-
要进行激活：
-
适用于 Anaconda Python2.7+ -
source activate mxnet_p27 -
适用于 Anaconda Python3+ -
source activate mxnet_p36
-
-
-
Caffe2：Caffe2 是一个以表达式、速度和模块性为基础的跨平台框架。
-
使用的分支/标签：v0.8.1
-
理由：稳定和全面的测试
-
注意：只适用于 Python2.7
-
要进行激活：
-
适用于 Anaconda Python2.7+ -
source activate caffe2_p27
-
-
-
CNTK：CNTK (微软认知工具包) 是微软研究院提供的统一深度学习工具包。
-
使用的分支/标签：v2.2
-
理由：最新版本
-
要进行激活：
-
适用于 Anaconda Python2.7+ -
source activate cntk_p27 -
适用于 Anaconda Python3+ -
source activate cntk_p36
-
-
-
Keras：Keras 是 Python 的深度学习库
v2.0.9 集成 Tensorflow
-
理由：稳定版本
-
要进行激活：
-
适用于 Anaconda Python2.7+ -
source activate tensorflow_p27 -
适用于 Anaconda Python3+ -
source activate tensorflow_p36
-
v1.2.2 集成 MXNet
-
理由：稳定版本
-
要进行激活：
-
适用于 Anaconda Python2.7+ -
source activate mxnet_p27 -
适用于 Anaconda Python3+ -
source activate mxnet_p36
-
-
-
PyTorch：PyTorch 是一个 python 程序包，它提供了两个高级功能：具有强大 GPU 加速功能的 Tensor 计算 (如 numpy) 和基于磁带式 autograd 系统构建的练深度神经网络
-
使用的分支/标签：v0.3.0
-
理由：稳定和全面的测试
-
要进行激活：
-
适用于 Anaconda Python2.7+ -
source activate pytorch_p27 -
适用于 Anaconda Python3+ -
source activate pytorch_p36
-
-
-
TensorFlow：TensorFlow™ 是使用数据流图进行数值计算的开源软件库。
-
使用的分支/标签：v1.4
-
理由：稳定和全面的测试
-
要进行激活：
-
适用于 Anaconda Python2.7+ -
source activate tensorflow_p27 -
适用于 Anaconda Python3+ -
source activate tensorflow_p36
-
-
-
Theano：Theano 是一个 Python 库，允许您高效地定义、优化和评估涉及多维数组的数学表达式。
-
使用的分支/标签：v0.9
-
理由：稳定和全面的测试
-
要进行激活：
-
适用于 Anaconda Python2.7+ -
source activate theano_p27 -
适用于 Anaconda Python3+ -
source activate theano_p36
-
-
Python 2.7 和 Python 3.5 支持
所有安装的深度学习框架的 AMI 都支持 Python 2.7 和 Python 3.6，但 Caffe2 除外：
-
Apache MXNet
-
Caffe2 (仅 Python 2.7)
-
CNTK
-
Keras
-
PyTorch
-
Tensorflow
-
Theano
CPU 实例类型支持
AMI 支持所有框架的 CPU 实例类型。
安装了 GPU 驱动程序
-
CuDNN 7
-
Nvidia 384.81
-
CUDA 9.0
启动深度学习实例
从您选择的区域下面的列表中选择 AMI 的版本，然后按照以下步骤操作：
测试框架
已使用 MNIST 数据对深度学习框架进行了测试。AMI 包含的脚本可用于训练和测试每个框架的 MNIST。
脚本可在 /home/ec2-user/src/bin 目录中找到。
Deep Learning AMI (Amazon Linux) 地区
在以下区域提供：
| 区域 | 代码 |
|---|---|
| 美国东部 (俄亥俄) | us-east-2 |
| 美国东部（弗吉尼亚北部） | us-east-1 |
| 美国西部（加利福尼亚北部） | us-west-1 |
| 美国西部（俄勒冈） | us-west-2 |
| 北京 (中国) | cn-north-1 |
| 亚太地区 (孟买) | ap-south-1 |
| 亚太区域（首尔） | ap-northeast-2 |
| 亚太区域（新加坡） | ap-southeast-1 |
| 亚太区域（悉尼） | ap-southeast-2 |
| 亚太区域（东京） | ap-northeast-1 |
| 加拿大 (中部) | ca-central-1 |
| 欧洲（法兰克福） | eu-central-1 |
| 欧洲（爱尔兰） | eu-west-1 |
| 欧洲 (伦敦) | eu-west-2 |
| 欧洲 (巴黎) | eu-west-3 |
| SA (圣保罗) | sa-east-1 |
参考
测试环境
-
构建在 p2.16xlarge 上。
-
此外，在 p2.xlarge 和 c4.4xlarge 上经过测试。
已知问题
-
问题：PyTorch 测试失败。~/src/bin/testPyTorch - 安装与 pytorch 0.3.0 不兼容的测试环境
解决办法：尚无
-
问题：框架或第三方提供的教程可能没有在 DLAMI 上安装 Python 依赖项。
解决办法：您需要在激活环境中通过 conda 或 pip 安装这些依赖项。
-
问题：模块没有找到运行 Caffe2 示例的错误。
解决办法：一些教程需要 Caffe2 可选依赖项
-
问题：Caffe2 模型下载功能导致 404。自 v0.8.1 发布以来，这些模型已经改变了位置。更新 models/download.py 以使用 update from master。
-
问题：matplotlib 只能渲染 png。
解决办法：安装 Pillow，然后重新启动您的内核。
-
问题：更改 Caffe2 源代码似乎不起作用。
解决办法：更改您的 PYTHONPATH 以使用安装位置
/usr/local/caffe2，而不是生成文件夹。 -
问题：Caffe2 net_drawer 错误。
解决办法：使用在此次提交中找到的记录器补丁。
-
问题：Caffe2 示例显示关于 LMDB 的错误 (无法打开数据库等)
解决办法：这需要在安装系统 LMDB 之后从源代码进行生成，例如：
sudo apt-get install liblmdb-dev -
问题：在使用 Jupyter 服务器连接本地端口时，SSH 断开连接。尝试创建一个到服务器的隧道时，您会看到
channel_setup_fwd_listener_tcpip: cannot listen to port: 8057。解决方案：使用
lsof -ti:8057 | xargs kill -9，其中 8057 是您使用的本地端口。然后尝试再次创建到 Jupyter 服务器的隧道。