采用康达的深度学习 AMI - 深度学习 AMI
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

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。

采用康达的深度学习 AMI

Conda DLAMI 使用conda虚拟环境。这些环境配置为单独安装不同的框架,并简化框架之间的切换过程。这对了解和体验 DLAMI 提供的所有框架很有好处。大多数用户会发现采用Conda的新型深度学习 AMI 非常适合他们。

这些 AMI 是主要的 DLAMI。它们经常使用框架中的最新版本进行更新,并拥有最新的 GPU 驱动程序和软件。它们通常被称为 Amazon Deep Learning AMI在大多数文档中。

  • Ubuntu 18.04 DLAMI 具有以下框架:Apache MXNet (incubating), PyTorch, 和 TensorFlow 2.

  • 亚马逊 Linux 2 DLAMI 具有以下框架:Apache MXNet (incubating), PyTorch, 和 TensorFlow 2.

注意

中将不再包含 CNTK、Cafffffe2、Theano、Chainer 和 Keras Conda 环境Amazon Deep Learning AMI从 v28 版本开始。之前发布的Amazon Deep Learning AMI包含这些环境的将继续可用。但是,只有在开源社区针对这些框架发布安全修补程序时,我们才会为这些环境提供更新。

稳定版本与候选版本

Conda AMI 使用每个框架中最新正式版本的优化二进制文件。不会有候选版本和实验性功能。优化取决于框架对 Intel 的 MKL DNN 等加速技术的支持,这些技术可加快在 C5 和 C4 CPU 实例类型上的训练和推理速度。二进制文件也将被编译以支持高级 Intel 指令集,包括但不限于 AVX、AVX-2、SSE4.1 和 SSE4.2。这些指令将加快 Intel CPU 架构上向量和浮点运算的速度。此外,对于 GPU 实例类型,将使用最新官方版本支持的任何版本更新 CUDA 和 cuDNN。

采用 Conda 的深度学习 AMI 会在框架首次激活时自动为您的 Amazon EC2 实例安装框架的最优化版本。有关更多信息,请参阅 将深度学习 AMI 与 Conda 结合使用

如果要使用自定义或优化的版本选项从源安装,AMI 深度学习基础对你来说可能是一个更好的选择。

Python 2 弃用

Python 开源社区已于 2020 年 1 月 1 日正式结束对 Python 2 的支持。这些区域有: TensorFlow 和 PyTorch 社区已经宣布 TensorFlow 2.1 和 PyTorch 1.4 版本是最后一个支持 Python 2 的版本。包含 Python 2 Conda 环境的先前版本 DLAMI(v26、v25 等)将继续可用。但是,只有在开源社区针对先前发布的 DLAMI 版本发布了安全修补程序时,我们才会在这些版本上提供关于 Python 2 Conda 环境的更新。DLAMI 发布了最新版本的 TensorFlow 和 PyTorch 框架不包含 Python 2 Conda 环境。

CUDA 支持

可以在中找到特定 CUDA 版本号GPU DLAMI 发布说明.

后续步骤

DLAMI CPU 架构选项