Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
AWS GPU AMI PyTorch 2.4 ARM64 de aprendizaje profundo (Ubuntu 22.04)
Para obtener ayuda para comenzar, consulte Introducción a las DLAMI.
Formato de nombre AMI
Controlador de aprendizaje profundo ARM64 AMI OSS Nvidia GPU PyTorch 2.4. $ {PATCH_VERSION} (Ubuntu 22.04) $ {} YYYY-MM-DD
Instancias de EC2 admitidas
G5g
La AMI incluye lo siguiente:
Servicio compatible AWS : Amazon EC2
Sistema operativo: Ubuntu 22.04
Arquitectura de computación: ARM64
Python://opt/conda/envs/pytorchbin/python
Versión de Python: 3.11
Controlador de NVIDIA:
Controlador con software de código abierto de NVIDIA: 550.144.03
Pila CUDA12.1 de NVIDIA:
Ruta de instalación de CUDA, NCCL y cuDDN://cuda-12.4/ usr/local
-
CUDA predeterminado: 12.4
usr/localPATH/usr/local/cuda apunta a//cuda-12.4/
-
Se han actualizado las siguientes variables de entorno:
LD_LIBRARY_PATH debe tener//://cuda:///sbsa-cuda/lib:/usr/local//lib64:///usr/localcuda/lib64usr/localusr/localcuda/targetslinux/libusr/localcuda/nvvmusr/localcuda/extrasCUPTI/lib64
PATH para tenerusr/local/cuda/binusr/localcuda/include//:///
La versión NCCL del sistema compilado está presente en/usr/local/cuda/: 2.21.5
PyTorch Versión NCCL compilada del entorno conda: 2.20.5 PyTorch
AWS CLI v2 como aws2 y v1 como aws AWS CLI
Tipo de volumen EBS: gp3
Consulta AMI-ID con el parámetro SSM (la región de ejemplo es us-east-1):
aws ssm get-parameter --regionus-east-1\ --name /aws/service/deeplearning/ami/arm64/oss-nvidia-driver-gpu-pytorch-2.4-ubuntu-22.04/latest/ami-id \ --query "Parameter.Value" \ --output textConsulta AMI-ID con AWSCLI (por ejemplo, la región es us-east-1):
aws ec2 describe-images --regionus-east-1\ --owners amazon \ --filters 'Name=name,Values=Deep Learning ARM64 AMI OSS Nvidia Driver GPU PyTorch 2.4.? (Ubuntu 22.04) ????????' 'Name=state,Values=available' \ --query 'reverse(sort_by(Images, &CreationDate))[:1].ImageId' \ --output text
Fecha de lanzamiento: 17-02-2020
Nombre de la AMI: Deep Learning ARM64 AMI OSS Nvidia Driver GPU PyTorch 2.4.0 (Ubuntu 22.04) 20250215
Actualizado
Se ha actualizado el kit de herramientas de contenedores de NVIDIA de la versión 1.17.3 a la versión 1.17.4.
Consulte la página de notas de la versión aquí para obtener más información: https://github.com/NVIDIA/nvidia-container-toolkit/releases/tag/v1.17.4
En la versión 1.17.4 del kit de herramientas de contenedores, el montaje de bibliotecas de compatibilidad con CUDA se ha desactivado. Para garantizar la compatibilidad con varias versiones de CUDA en los flujos de trabajo de contenedores, asegúrese de actualizar su LD_LIBRARY_PATH para incluir las bibliotecas de compatibilidad con CUDA, tal y como se muestra en el tutorial Si utiliza una capa de compatibilidad CUDA.
Eliminaciones
Se han retirado las bibliotecas de espacio de usuario cuobj y nvdisasm proporcionadas por el kit de herramientas de CUDA de NVIDIA
para corregir los CVE que figuran en el boletín de seguridad del kit de herramientas de CUDA de NVIDIA del 18 de febrero de 2025 .
Fecha de la versión: 21-01-2025
Nombre de la AMI: Deep Learning ARM64 AMI OSS Nvidia Driver GPU PyTorch 2.4.0 (Ubuntu 22.04) 20250117
Actualizado
Se ha actualizado el controlador NVIDIA de la versión 550.127.05 a la 550.144.03 para corregir los CVE que figuran en el boletín de seguridad de los controladores de pantalla de GPU de NVIDIA de enero de 2025
.
Fecha de la versión: 30/09/2024
Nombre de la AMI: Deep Learning ARM64 AMI OSS Nvidia Driver GPU PyTorch 2.4.0 (Ubuntu 22.04) 20240927
Actualizado
Se actualizó el Nvidia Container Toolkit de la versión 1.16.1 a la 1.16.2 para solucionar la vulnerabilidad de seguridad. CVE-2024-0133
Fecha de la versión: 26/09/2024
Nombre de la AMI: Deep Learning ARM64 AMI OSS Nvidia Driver GPU PyTorch 2.4.0 (Ubuntu 22.04) 20240926
Added
Versión inicial de la serie Deep Learning ARM64 AMI OSS Nvidia Driver GPU PyTorch 2.4.0 (Ubuntu 22.04). Incluye un entorno conda, pyTorch complementado con el controlador NVIDIA R550, CUDA=12.4, cudnn=8.9.7 y NCCL=2.20.5. PyTorch