使用 Conda 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。

使用 Conda 的深度学习 AMI

Conda DLAMI 使用 Anaconda 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。这对了解和体验 DLAMI 提供的所有框架很有好处。大多数用户会发现带有 Conda 的新深度学习 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(孵化)、Chainer、PyTorch、TensorFlow 和 TensorFlow 2。

  • Ubuntu 16.04 和 Amazon Linux DLAMI 具有以下框架:Apache MXNet(孵化)、Chainer、Keras、PyTorch、TensorFlow 和 TensorFlow 2。

  • 亚马逊 Linux 2 DLAMI 具有以下框架:Apache MXNet(孵化)、Chainer、PyTorch、TensorFlow 2 和 Keras。

注意

我们不再将 CNTK、Caffe、Caffe2 和 Theano Conda 环境包括在Amazon Deep Learning AMI从 v28 版本开始。以前的版本Amazon Deep Learning AMI包含这些环境的内容仍继续可用。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,CUDA 和 CUDNN 将使用最新官方版本支持的任何版本进行更新。

在框架首次激活时,带有 Conda 的深度学习 AMI 会自动为您的 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,深度学习库 AMIs 对你来说可能是更好的选择。

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 版本是最后支持 Python 2 的版本。包含 Python 2 Conda 环境的先前版本的 DLAMI(v26、v25 等)仍继续可用。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。使用最新版本的 TensorFlow 和 PyTorch 框架发布的 DLAMI 版本不包含 Python 2 Conda 环境。

Support Elastic Inference

带有 Conda 的深度学习 AMI 具有支持 Elastic Inference 的环境。Amazon Deep Learning AMI使用 Ubuntu 16.04 选项Amazon Deep Learning AMI Amazon Linux 选项. 目前不支持 Elastic Inference 环境Amazon Deep Learning AMI使用 Ubuntu 18.04 选项Amazon Deep Learning AMI Amazon Linux 2 选项. 有关 Elastic Inference 的教程和更多信息,请参阅Elastic Inference 文档.

CUDA 支持

具有 Conda CUDA 版本的深度学习 AMI 以及每个所支持的框架:

  • 使用 CUDA 10.1 的 cuDNN 10.1:Apache MXNet

  • 使用 cuDNN 7 的 CUDA 10:PyTorch、TensorFlow、TensorFlow 2、Apache MXNet、Chainer

可以在 DLAMI 的发行说明中找到特定的框架版本号

选择这个 DLAMI AMI 类型,或通过后续步骤选项。

后续步骤

DLAMI CPU 架构选项