Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Archiv der Versionshinweise
Datum der Veröffentlichung: 2025-02-17
AMI-Name: Deep Learning OSS Nvidia-Treiber AMI GPU PyTorch 2.5.1 (Ubuntu 22.04) 20250216
Aktualisiert
Das NVIDIA Container Toolkit wurde von Version 1.17.3 auf Version 1.17.4 aktualisiert
Weitere Informationen finden Sie auf der Seite mit den Versionshinweisen hier: https://github.com/NVIDIA/nvidia-container-toolkit/releases/tag/v1.17.4
In Container Toolkit Version 1.17.4 ist das Mounten von CUDA-kompatiblen Bibliotheken jetzt deaktiviert. Um die Kompatibilität mit mehreren CUDA-Versionen in Container-Workflows sicherzustellen, stellen Sie bitte sicher, dass Sie Ihren LD_LIBRARY_PATH so aktualisieren, dass er Ihre CUDA-Kompatibilitätsbibliotheken enthält, wie im Tutorial Wenn Sie eine CUDA-Kompatibilitätsschicht verwenden gezeigt. https://docs.aws.amazon.com/sagemaker/latest/dg/inference-gpu-drivers.html#collapsible-cuda-compat
Entfernt
Die Userspace-Bibliotheken cuobj und nvdisasm, die vom NVIDIA CUDA Toolkit bereitgestellt wurden, um CVEs zu behandeln, die im
NVIDIA CUDA Toolkit Security Bulletin vom 18. Februar 2025 enthalten waren, wurden entfernt https://nvidia.custhelp.com/app/answers/detail/a_id/5594
Veröffentlichungsdatum: 2025-01-21
AMI-Name: Deep Learning OSS Nvidia-Treiber AMI GPU PyTorch 2.5.1 (Ubuntu 22.04) 20250119
Aktualisiert
Der Nvidia-Treiber wurde von Version 550.127.05 auf 550.144.03 aktualisiert, um CVEs zu beheben, die im NVIDIA GPU Display Driver Security Bulletin für Januar 2025 enthalten sind. https://nvidia.custhelp.com/app/answers/detail/a_id/5614
Veröffentlichungsdatum: 2024-11-21
AMI-Name: Deep Learning OSS Nvidia-Treiber AMI GPU PyTorch 2.5.1 (Ubuntu 22.04) 20241121
Hinzugefügt
Erste Veröffentlichung der Deep Learning AMI GPU PyTorch 2.4.1 (Ubuntu 22.04) -Serie. Einschließlich eines Pytorch für die Conda-Umgebung, ergänzt durch den NVIDIA-Treiber R550, CUDA=12.4.1, cuDNN=8.9.7, NCCL=2.21.5 und EFA=1.37.0. PyTorch
Fixed
Aufgrund einer Änderung im Ubuntu-Kernel zur Behebung eines Defekts in der KASLR-Funktionalität (Kernel Address Space Layout Randomization) können Instanzen CUDA auf dem OSS Nvidia-Treiber nicht ordnungsgemäß initialisieren. G4Dn/G5 Um dieses Problem zu beheben, enthält dieses DLAMI Funktionen, die den proprietären Treiber für G4Dn- und G5-Instances dynamisch laden. Bitte planen Sie für dieses Laden eine kurze Initialisierungszeit ein, um sicherzustellen, dass Ihre Instances ordnungsgemäß funktionieren.
Um den Status und den Zustand dieses Dienstes zu überprüfen, können Sie die folgenden Befehle verwenden:
sudo systemctl is-active dynamic_driver_load.serviceactive
