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。它们通常被称为这 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.
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 在 Conda 上使用深度学习 AMI。
如果要使用自定义或优化的版本选项从源安装，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
相关主题
-
有关在 Conda 中使用深度学习 AMI 的教程，请参阅在 Conda 上使用深度学习 AMI教程。