采用 Conda 的 Deep Learning AMI - 深度学习 AMI
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,请参阅中国的 AWS 服务入门

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 18.04 DLAMI 具有以下框架:Apache MXNet、Chainer、PyTorch 和 TensorFlow 和 TensorFlow 2

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

  • Amazon Linux 2 DLAMI 具有以下框架:Apache MXNet、Chainer、PyTorch、TensorFlow、TensorFlow 2 和 Keras

注意

从 v28 版本开始,AWS Deep Learning AMI 中将不再包含 CNTK、Caffe、Caffe2 和 Theano Conda 环境。包含这些环境的先前版本 AWS Deep Learning AMI 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 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。

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 版本将是支持 Python 2 的最后版本。包含 Python 2 Conda 环境的 DLAMI 先前版本(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。采用下一版 TensorFlow 框架和 PyTorch 框架的 DLAMI 版本不会包含 Python 2 Conda 环境。

Elastic Inference 支持

采用 Conda 的 Deep Learning AMI 附带支持 AWS Deep Learning AMI,Ubuntu 16.04 选项AWS Deep Learning AMI Amazon Linux 选项 Elastic Inference 的环境。AWS Deep Learning AMI,Ubuntu 18.04 选项AWS Deep Learning AMI Amazon Linux 2 选项 目前不支持 Elastic Inference 环境。有关 Elastic Inference 的教程和更多信息,请参阅 Elastic Inference 文档

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 10.1: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 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

相关主题