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
<a name="archive-detail-gpu-pytorch-2.5-ubuntu-22-04"></a>

##### Veröffentlichungsdatum: 2025-02-17
<a name="2025-02-17-gpu-pytorch-2.5-ubuntu-22-04"></a>

**AMI-Name**: Deep Learning OSS Nvidia-Treiber AMI GPU PyTorch 2.5.1 (Ubuntu 22.04) 20250216

##### Aktualisiert
<a name="w2aac25c13b7c21c15b5b3b5"></a>
+ 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](https://github.com/NVIDIA/nvidia-container-toolkit/releases/tag/v1.17.4)
  + In der 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
<a name="w2aac25c13b7c21c15b5b3b7"></a>
+ [Die vom NVIDIA CUDA-Toolkit bereitgestellten Benutzerbereichsbibliotheken cuobj und nvdisasm zur Behebung von CVEs wurden entfernt, die im Sicherheitsbulletin für das [NVIDIA CUDA Toolkit](https://docs.nvidia.com/cuda/) vom 18. Februar 2025 enthalten sind](https://nvidia.custhelp.com/app/answers/detail/a_id/5594)

##### Datum der Veröffentlichung: 2025-01-21
<a name="2025-01-21-gpu-pytorch-2.5-ubuntu-22-04"></a>

**AMI-Name**: Deep Learning OSS Nvidia-Treiber AMI GPU PyTorch 2.5.1 (Ubuntu 22.04) 20250119

##### Aktualisiert
<a name="w2aac25c13b7c21c15b5b5b5"></a>
+ [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: 21.11.2021
<a name="2024-11-21-gpu-pytorch-2.5-ubuntu-22-04"></a>

**AMI-Name**: Deep Learning OSS Nvidia-Treiber AMI GPU PyTorch 2.5.1 (Ubuntu 22.04) 20241121

##### Hinzugefügt
<a name="w2aac25c13b7c21c15b5b7b5"></a>
+ Erste Version der Deep Learning AMI GPU PyTorch 2.4.1 (Ubuntu 22.04) -Serie. Einschließlich einer Conda-Umgebung mit Pytorch, 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
<a name="w2aac25c13b7c21c15b5b7b7"></a>
+ Aufgrund einer Änderung im Ubuntu-Kernel zur Behebung eines Fehlers 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 rechnen Sie mit einer kurzen Initialisierungszeit für diesen Ladevorgang, um sicherzustellen, dass Ihre Instanzen 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.service
active
```