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
Veröffentlichungsdatum: 2025-08-14
AMI-Name: Deep Learning OSS Nvidia-Treiber AMI GPU PyTorch 2.7 (Ubuntu 22.04) 20250814
Hinzugefügt
Unterstützung für Instanzen hinzugefügt P5.4xlarge
Aktualisiert
EFA wurde auf 1.43.1 aktualisiert
Veröffentlichungsdatum: 2025-06-03
AMI-Name: Deep Learning OSS Nvidia-Treiber AMI GPU PyTorch 2.7 (Ubuntu 22.04) 20250602
Hinzugefügt
Erste Veröffentlichung der Deep Learning AMI GPU PyTorch 2.7-Serie (Ubuntu 22.04). Inklusive Pytorch für virtuelle Python-Umgebungen (Quelle/opt/pytorch/bin/activate), ergänzt durch den NVIDIA-Treiber R570, CUDA=12.8, cuDNN=9.10, NCCL=2.26.5 und EFA=1.40.0. PyTorch
Bekannte Probleme
„Mit den Rechenkapazitäten sm10.0 (Blackwell-architecture) -GPUs enthält der FP8-Datentyp mit skalierter Punktproduktaufmerksamkeit einen Deadlock, der dazu führt, dass der Kernel unter bestimmten Umständen hängen bleibt, z. B. wenn das Problem groß ist oder die GPU mehrere Kernel gleichzeitig ausführt. Ein Fix ist für eine zukünftige Version geplant.“ [Versionshinweise zu cuDNN 9.10.0]
Benutzer, die P6-B200 Instances mit FP8-Daten und Scaled Dot-Product Attention ausführen möchten, sollten die manuelle Installation von Flash Attention in Betracht ziehen.
