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.
AWS Deep-Learning-AMI-GPU TensorFlow 2.16 (Amazon Linux 2)
Hilfe zu den ersten Schritten finden Sie unterErste Schritte mit DLAMI.
AMI-Namensformat
Proprietärer Nvidia-Treiber für Deep Learning AMI GPU TensorFlow 2.16 (Amazon Linux 2) $ {YYYY-MM-DD}
Deep-Learning-OSS-Nvidia-Treiber AMI-GPU TensorFlow 2.16 (Amazon Linux 2) $ {YYYY-MM-DD}
EC2 Unterstützte Instanzen
Weitere Informationen finden Sie unter Wichtige Änderungen an DLAMI.
Deep Learning mit OSS Der Nvidia-Treiber unterstützt G4dn, G5, G6, Gr6, G6e, P4d, P4de, P5, P5e, P5en.
Deep Learning mit proprietärem Nvidia-Treiber unterstützt G3 (G3.16x nicht unterstützt), P3, P3dn
Das AMI umfasst Folgendes:
Unterstützter AWS Dienst: EC2
Betriebssystem: Amazon Linux 2
Rechenarchitektur: x86
Python:/opt/tensorflow/bin/python3.10
TensorFlow Ausführung: 2.16
NVIDIA-Treiber:
OS Nvidia-Treiber: 550.144.03
Proprietärer Nvidia-Treiber: 550.144.03
CUDA12 NVIDIA-Stapel:
CUDA-, NCCL- und cuDDN-Installationspfad:/-12.2/ usr/local/cuda
EFA-Installationsprogramm: 1.34.0
AWS CLI v2 als aws2 und v1 als aws AWS CLI
EBS-Volumetyp: gp3
AMI-ID mit SSM-Parameter abfragen (Beispielregion ist us-east-1):
OSS Nvidia-Treiber:
aws ssm get-parameter --name /aws/service/deeplearning/ami/x86_64/oss-nvidia-driver-gpu-tensorflow-2.16-amazon-linux-2/latest/ami-id --region us-east-1 --query "Parameter.Value" --output textEigener Nvidia-Treiber:
aws ssm get-parameter --name /aws/service/deeplearning/ami/x86_64/proprietary-nvidia-driver-gpu-tensorflow-2.16-amazon-linux-2/latest/ami-id --region us-east-1 --query "Parameter.Value" --output text
AMI-ID abfragen mit AWSCLI (Beispielregion ist us-east-1):
OSS Nvidia-Treiber:
aws ec2 describe-images --region us-east-1 --owners amazon --filters 'Name=name,Values=Deep Learning OSS Nvidia Driver AMI GPU TensorFlow 2.16 (Amazon Linux 2) ????????' 'Name=state,Values=available' --query 'reverse(sort_by(Images, &CreationDate))[:1].ImageId' --output textEigener Nvidia-Treiber:
aws ec2 describe-images --region us-east-1 --owners amazon --filters 'Name=name,Values=Deep Learning Proprietary Nvidia Driver AMI GPU TensorFlow 2.16 (Amazon Linux 2) ????????' 'Name=state,Values=available' --query 'reverse(sort_by(Images, &CreationDate))[:1].ImageId' --output text
Notice (Hinweis)
NVIDIA-Container-Toolkit 1.17.4
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-Kompatibilitätsebene verwenden“ hier beschrieben - -gpu-drivers.html# https://docs.aws.amazon.com/sagemaker/ latest/dg/inference collapsible-cuda-compat
TensorFlow Zukünftige Betriebssystem-Updates
TensorFlow 2.16 wird das letzte DLAMI sein, das das Betriebssystem Ubuntu 20.04 verwendet. Ab TensorFlow 2.17 und höher DLAMIs wird Ubuntu 22.04 als Basisbetriebssystem verwendet. Kunden, die auf diese neuen Versionen aktualisieren möchten, sollten sicherstellen, dass Ihre Workflows für dieses Upgrade bereit sind.
Die Keras-Version ist auf 2.0 statt auf 3.0 festgelegt
Mit der neuesten Version TF2 1.6 wurde Keras von der Hauptversion 2 auf die Hauptversion 3.0 aktualisiert. Diese Keras-Version ist eine komplette Neufassung des Keras-Pakets (weitere Informationen finden Sie in der Keras 3-Dokumentation
source /opt/tensorflow/bin/activate unset TF_USE_LEGACY_KERAS
Veröffentlichungsdatum: 2025-02-17
AMI-Namen:
Deep Learning OSS Nvidia-Treiber AMI GPU TensorFlow 2.16 (Amazon Linux 2) 20250215
Proprietärer Nvidia-Treiber für Deep Learning AMI GPU TensorFlow 2.16 (Amazon Linux 2) 20250215
Aktualisiert
Das NVIDIA Container Toolkit wurde von Version 1.17.3 auf Version 1.17.4 aktualisiert
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-Kompatibilitätsebene verwenden“ hier beschrieben - -gpu-drivers.html# https://docs.aws.amazon.com/sagemaker/ latest/dg/inference collapsible-cuda-compat
Entfernt
Die Benutzerbereichsbibliotheken cuobj und nvdisasm, die vom NVIDIA CUDA-Toolkit
bereitgestellt wurden, um die Präsenz von CVE im NVIDIA CUDA Toolkit Security Bulletin vom 18. Februar 2025 zu beheben, wurden entfernt
Datum der Veröffentlichung: 20.01.2025
AMI-Namen:
Deep Learning OSS Nvidia-Treiber AMI GPU TensorFlow 2.16 (Amazon Linux 2) 20250120
Proprietärer Nvidia-Treiber für Deep Learning AMI GPU TensorFlow 2.16 (Amazon Linux 2) 20250118
Aktualisiert
Datum der Veröffentlichung: 2024-10-23
AMI-Namen:
Deep Learning OSS Nvidia-Treiber AMI GPU TensorFlow 2.16 (Amazon Linux 2) 20241022
Proprietärer Nvidia-Treiber für Deep Learning AMI GPU TensorFlow 2.16 (Amazon Linux 2) 20241023
Aktualisiert
Datum der Veröffentlichung: 28.09.2021
AMI-Namen:
Deep Learning OSS Nvidia-Treiber AMI GPU TensorFlow 2.16 (Amazon Linux 2) 20240928
Proprietärer Nvidia-Treiber für Deep Learning AMI GPU TensorFlow 2.16 (Amazon Linux 2) 20240928
Aktualisiert
Veröffentlichungsdatum: 2024-09-21
AMI-Namen:
Deep Learning OSS Nvidia-Treiber AMI GPU TensorFlow 2.16 (Amazon Linux 2) 20240921
Proprietärer Nvidia-Treiber für Deep Learning AMI GPU TensorFlow 2.16 (Amazon Linux 2) 20240921
Aktualisiert
Der Nvidia-Treiber und der Fabric Manager wurden von Version 535.183.01 auf 550.90.07 aktualisiert
Die EFA-Version wurde von 1.32.0 auf 1.34.0 aktualisiert
Version von PyTorch Version 2.3.0 auf 2.3.1 aktualisiert
Hinzugefügt
Unterstützung für EC2 P5e-Instance auf OSS Nvidia-Treiberimages hinzugefügt.
Veröffentlichungsdatum: 2024-08-19
AMI-Namen:
Deep Learning OSS Nvidia-Treiber AMI GPU TensorFlow 2.16 (Amazon Linux 2) 20240817
Hinzugefügt
Version 2.16.2 — Veröffentlichungsdatum: 2024-07-26
AMI-Namen:
Deep Learning OSS Nvidia-Treiber AMI GPU TensorFlow 2.16 (Amazon Linux 2) 20240725
Aktualisiert
Die TensorFlow Patch-Version wurde von Version 2.16.1 auf 2.16.2 aktualisiert
Es wurde eine falsche TensorFlow Nebenversion in DLAMI behoben, die am 17.07.2024 veröffentlicht wurde
Die Deep Learning OSS Nvidia Driver AMI GPU TensorFlow 2.16 (Amazon Linux 2) 20240717-Version enthielt TensorFlow versehentlich die Nebenversion 2.17 statt 2.16. Bitte stellen Sie sicher, dass Workflows, die auf TensorFlow 2.16 angewiesen sind, auf das neueste DLAMI aktualisiert werden.
Version 2.16.1 — Veröffentlichungsdatum: 2024-06-10
AMI-Namen:
Deep Learning OSS Nvidia-Treiber AMI GPU TensorFlow 2.16 (Amazon Linux 2) 20240607
Proprietärer Nvidia-Treiber für Deep Learning AMI GPU TensorFlow 2.16 (Amazon Linux 2) 20240610
Aktualisiert
Die Nvidia-Treiberversion wurde von 535.161.08 auf 535.183.01 aktualisiert
Datum der Veröffentlichung: 2024-05-10
Weitere Informationen finden Sie unter Wichtige Änderungen an DLAMI
AMI-Namen:
Proprietärer Nvidia-Treiber für Deep Learning AMI GPU TensorFlow 2.16 (Amazon Linux 2) 20240510
Deep Learning OSS Nvidia-Treiber AMI GPU TensorFlow 2.16 (Amazon Linux 2) 20240510
Hinzugefügt
Erste Veröffentlichung von:
Proprietäre Nvidia-Treiber-AMI-GPU TensorFlow 2.16-Serie (Amazon Linux 2) von Deep Learning.
Deep Learning OSS Nvidia-Treiber der AMI-GPU TensorFlow 2.16-Serie (Amazon Linux 2).
Die Software umfasst Folgendes:
„nvidia-driver=535.161.08"
„Fabric-Manager=535.161.08"
„cuda=12,3“
„cudnn=8,9,7"
„efa=1,32,0"
„nccl=2,21,5“
„aws-nccl-ofi-plugin=v1.9.1-aws“
Virtuelle Tensorflow-Umgebung hinzugefügt (Aktivierungsbefehlsquelle/). opt/tensorflow/bin/activate Diese Umgebung umfasst Folgendes:
„tensorflow=2.16.1"
HINWEIS
Ab Version 1.6 TF2 wird die tf.estimator-API entfernt.
Um tf.estimator weiterhin verwenden zu können, müssen Sie TF 2.15 oder eine frühere Version verwenden. Weitere Informationen finden Sie in den Versionshinweisen zu TensorFlow 2.16.1
Um die Kompatibilität mit den Workflows unserer Kunden sicherzustellen, haben wir die Keras-Versionen mithilfe der Umgebungsvariablen TF_USE_LEGACY_KERAS=1 an 2.0 angeheftet. Wenn Ihre Workflows die Verwendung von Keras 3.0 erfordern, entfernen Sie diese Umgebungsvariable mit dem folgenden Skript aus Ihrer virtuellen Umgebung /opt/tensorflow: TensorFlow
source /opt/tensorflow/bin/activate unset TF_USE_LEGACY_KERAS
