AWS GPU AMI PyTorch 2.6 pour apprentissage profond (Amazon Linux 2023)

• Deep Learning OSS NVIDIA Driver AMI GPU PyTorch 2.6.0 (Amazon Linux 2023) $ {YYYY-MM-DD}

• Reportez-vous à la section Modifications importantes apportées au DLAMI

• Deep Learning avec OSS Le pilote NVIDIA est compatible avec G4dn, G5, G6, Gr6, G6e, P4d, P4de, P5, P5e, P5en

• AWS Service pris en charge : EC2

• Système d'exploitation : Amazon Linux 2023

• Architecture de calcul : x86

• Stack NVIDIA CUDA12 1.6 :

  • Chemin d'installation de CUDA, NCCL et CudDN :/-12.6/ usr/local/cuda

  • CUDA par défaut : 12,6

    • CHEMIN/usr/local/cuda points to /usr/local/cuda-12.6/

    • Mise à jour des variables d'environnement ci-dessous :

      • LD_LIBRARY_PATH à avoir/usr/local/cuda/lib:/usr/local/cuda/lib64:/usr/local/cuda:/usr/local/cud/targets/x86_64-linux/lib

      • CHEMIN à avoir/usr/local/cuda/bin/:/usr/local/cuda/include/

  • Version NCCL compilée pour 12.6 : 2.24.3

• Lieu des tests du NCCL :

  • all_reduce, all_gather et reduce_scatter :/-cuda-xx.x/ usr/local/cuda-xx.x/efa/test

  • Pour exécuter des tests NCCL, LD_LIBRARY_PATH est déjà mis à jour avec les chemins nécessaires.

    • PATHs Des éléments communs sont déjà ajoutés à LD_LIBRARY_PATH :

      • /opt/amazon/efa/lib:/opt/amazon/openmpi/lib:/opt/aws-ofi-nccl/lib:/usr/local/lib:/usr/lib

    • LD_LIBRARY_PATH est mis à jour avec les chemins de version CUDA

      • /usr/local/cuda/lib:/usr/local/cuda/lib64:/usr/local/cuda:/usr/local/cud/targets/x86_64-linux/lib

• Installateur EFA : 1.38.0

• Nvidia GDRCopy : 2,4.1

• AWS NCCL OFI : 1.13.2-aws

  • AWS OFI NCCL prend désormais en charge plusieurs versions NCCL avec une seule version

  • Le chemin d'installation :/opt/amazon/ofi-nccl/ . Path /opt/amazon/ofi-nccl/libest ajouté à LD_LIBRARY_PATH.

• Version de Python : 3.12

• Python :/opt/pytorch/bin/python

• Pilote NVIDIA : 570.86.15

• AWS CLI v2 à/usr/bin/aws

• Type de volume EBS : GP3

• NVMe Emplacement du magasin d'instances (sur les EC2 instances prises en charge) :/opt/dlami/nvme

• Requête AMI-ID avec le paramètre SSM (exemple : la région est us-east-1) :

  • Pilote OSS Nvidia :

    aws ssm get-parameter --region us-east-1 \
        --name /aws/service/deeplearning/ami/x86_64/oss-nvidia-driver-gpu-pytorch-2.6-amazon-linux-2023/latest/ami-id  \
        --query "Parameter.Value" \
        --output text

• Interrogez l'AMI-ID avec AWSCLI (par exemple, la région est us-east-1) :

  • Pilote OSS Nvidia :

    aws ec2 describe-images --region us-east-1 \
        --owners amazon --filters 'Name=name,Values=Deep Learning OSS Nvidia Driver AMI GPU PyTorch 2.6.? (Amazon Linux 2023) ????????' 'Name=state,Values=available' \
        --query 'reverse(sort_by(Images, &CreationDate))[:1].ImageId' \
        --output text

• DeviceIndex est unique à chacun NetworkCard et doit être un entier non négatif inférieur à la limite de ENIs par. NetworkCard Sur P5, le nombre de ENIs par NetworkCard est 2, ce qui signifie que les seules valeurs valides pour DeviceIndex sont 0 ou 1. Vous trouverez ci-dessous un exemple de commande de lancement d'instance EC2 P5 utilisant awscli, affiché NetworkCardIndex du numéro 0 à 31 et DeviceIndex sous la forme 0 pour la première interface et DeviceIndex sous la forme 1 pour les interfaces 31 restantes.

Noyau

• La version du noyau est épinglée à l'aide de la commande : 

  sudo dnf versionlock kernel*

• Nous recommandons aux utilisateurs d'éviter de mettre à jour la version de leur noyau (sauf en cas de correctif de sécurité) afin de garantir la compatibilité avec les pilotes installés et les versions de package. Si les utilisateurs souhaitent toujours effectuer la mise à jour, ils peuvent exécuter les commandes suivantes pour déconnecter leur version du noyau : 

  sudo dnf versionlock delete kernel*
  sudo dnf update -y

• Pour chaque nouvelle version de DLAMI, le dernier noyau compatible disponible est utilisé.

• Version initiale du Deep Learning OSS Nvidia Driver AMI GPU PyTorch 2.6 pour Amazon Linux 2023

  • Depuis la version PyTorch 2.6, Pytorch n'est plus compatible avec Conda. Par conséquent, Pytorch 2.6 et versions ultérieures utiliseront les environnements virtuels Python. Pour activer le pytorch venv, veuillez utiliser la source/opt/pytorch/bin/activate