深度学习 AMI
开发人员指南
AWS 文档中描述的 AWS 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 Amazon AWS 入门

采用 Conda 的 Deep Learning AMI

最新 DLAMI 使用 Anaconda 虚拟环境。这些环境配置为单独安装不同的框架。它还可以让您轻松切换框架。这对了解和体验 DLAMI 必须提供的所有框架很有好处。大多数用户会发现新的 采用 Conda 的 Deep Learning AMI 非常适合他们。

这些“Conda”AMI 将是主要的 DLAMI。它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。在大多数文档中,它通常被称为 AWS Deep Learning AMI。

  • 此 DLAMI 具有以下框架:Apache MXNet、Caffe、Caffe2、Chainer、CNTK、Keras、PyTorch、TensorFlow 和 Theano

稳定与前沿

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、C4 和 C3 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、AVX-512、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 Deep Learning AMI 会在框架首次激活时自动为您的 EC2 实例安装框架的最优化版本。有关更多信息,请参阅 使用 采用 Conda 的 Deep Learning AMI

如果要使用自定义或优化的版本选项从源安装,Deep Learning Base AMI 可能是更好的选择。

CUDA 支持

采用 Conda 的 Deep Learning AMI 的 CUDA 版本以及每个所支持的框架:

  • 使用 cuDNN 7 的 CUDA 9:Apache MXNet、Caffe2、Chainer、CNTK、Keras、PyTorch、TensorFlow、Theano

  • 使用 cuDNN 6 的 CUDA 8:Caffe

可以在 DLAMI:发行说明中找到特定的框架版本号

选择这个 DLAMI 类型,或通过“后续步骤”选项了解有关其他 DLAMI 的更多信息。

后续步骤

Deep Learning Base AMI

本页内容: