采用 Conda 的 Deep Learning 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。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。
-
Ubuntu 和 Amazon Linux DLAMI 具有以下框架：Apache MXNet、Caffe、Caffe2、Chainer、CNTK、Keras、PyTorch、TensorFlow 和 Theano
-
Amazon Linux 2 DLAMI 具有以下框架：Apache MXNet、Chainer、PyTorch、TensorFlow 和 Keras
注意
针对 Caffe2、CNTK 和 Theano 的预安装环境将于今年晚些时候废弃。
稳定性与候选版本
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、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、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 10：PyTorch、TensorFlow
-
使用 cuDNN 7 的 CUDA 9：Apache MXNet、Caffe2、Chainer、CNTK、Keras、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
相关主题
-
有关使用采用 Conda 的 Deep Learning AMI 的教程，请参阅使用 采用 Conda 的 Deep Learning AMI教程。