Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Archive des notes de publication
Date de sortie : 17/02/2025
Nom de l'AMI : Deep Learning OSS Nvidia Driver AMI GPU PyTorch 2.5.1 (Ubuntu 22.04) 20250216
Mis à jour
Mise à jour de NVIDIA Container Toolkit de la version 1.17.3 à la version 1.17.4
Consultez la page des notes de publication ici pour plus d'informations : https://github.com/NVIDIA/nvidia-container-toolkit/releases/tag/v1.17.4
Dans la version 1.17.4 de Container Toolkit, le montage des bibliothèques compatibles CUDA est désormais désactivé. Afin de garantir la compatibilité avec plusieurs versions de CUDA sur les flux de travail de conteneurs, assurez-vous de mettre à jour votre LD_LIBRARY_PATH pour inclure vos bibliothèques de compatibilité CUDA, comme indiqué dans le didacticiel Si vous utilisez une couche de compatibilité CUDA.
Supprimé
Suppression des bibliothèques d'espace utilisateur cuobj et nvdisasm fournies par la boîte à outils NVIDIA CUDA
pour traiter les CVE présentes dans le bulletin de sécurité du kit NVIDIA CUDA du 18 février 2025
Date de sortie : 2025-01-21
Nom de l'AMI : Deep Learning OSS Nvidia Driver AMI GPU PyTorch 2.5.1 (Ubuntu 22.04) 20250119
Mis à jour
Mise à niveau du pilote Nvidia de la version 550.127.05 à la version 550.144.03 pour traiter les CVE présents dans le bulletin de sécurité des pilotes d'affichage des GPU NVIDIA de janvier 2025.
Date de sortie : 2024-11-21
Nom de l'AMI : Deep Learning OSS Nvidia Driver AMI GPU PyTorch 2.5.1 (Ubuntu 22.04) 20241121
Ajouté
Version initiale de la série Deep Learning AMI GPU PyTorch 2.4.1 (Ubuntu 22.04). Incluant un environnement Conda Pytorch complété par NVIDIA Driver R550, CUDA=12.4.1, CUDNN=8.9.7, NCCL=2.21.5 et EFA=1.37.0. PyTorch
Fixe
En raison d'une modification apportée au noyau Ubuntu pour corriger un défaut de la fonctionnalité KASLR (Kernel Address Space Layout Randomization), les G4Dn/G5 instances ne peuvent pas initialiser correctement CUDA sur le pilote OSS Nvidia. Afin d'atténuer ce problème, cette DLAMI inclut une fonctionnalité qui charge dynamiquement le pilote propriétaire pour les instances G4Dn et G5. Veuillez prévoir une brève période d'initialisation pour ce chargement afin de garantir le bon fonctionnement de vos instances.
Pour vérifier l'état et la santé de ce service, vous pouvez utiliser les commandes suivantes :
sudo systemctl is-active dynamic_driver_load.serviceactive
