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。
带 Conda 的深度学习 AMI
Conda DLAMI conda 使用虚拟环境，它们存在于多框架或单框架 DLAMI。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。这对了解和体验 DLAMI 必须提供的所有框架很有好处。大多数用户都会发现新的带 Conda 的深度学习 AMI 非常适合他们。
它们将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。在大多数文档 Amazon Deep Learning AMI 中，它们通常被称为。这些 DLAMI 支持 Ubuntu20.04、亚马逊 Linux 2 操作系统。操作系统的支持取决于上游操作系统的支持。
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，使用最新官方版本支持的任何版本来更新 CUDA 和 cuDNN。
带 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，请参阅使用带 Conda 的深度学习 AMI。
如果要使用自定义或优化的版本选项从源安装，深度学习基础 AMI 可能是您更好的选择。
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。 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 DLAMI 先前版本（v26、v25 等）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。带有最新版本 PyTorch 和框架的 DLAMI 版本不包含 Python 2 Conda 环境。 TensorFlow
CUDA 支持
具体 CUDA 版本号可以在 GPU DLAMI 发布说明中找到。
后续步骤
相关主题
-
有关使用带 Conda 的深度学习 AMI 的教程，请参阅 使用带 Conda 的深度学习 AMI 教程。