AWS Deep Learning AMI GPU PyTorch 2.4(Ubuntu 22.04)

• Deep Learning OSS Nvidia Driver AMI GPU PyTorch 2.4.${PATCH_VERSION}(Ubuntu 22.04) ${YYYY-MM-DD}

• 중요 DLAMI 변경 사항을 참조하세요.

• OSS Nvidia 드라이버를 사용하는 딥 러닝은 G4dn, G5, G6, Gr6, P4, P4de, P5, P5e, P5en을 지원합니다.

• 지원되는 AWS 서비스: EC2

• 운영 체제: Ubuntu 22.04

• 컴퓨팅 아키텍처: x86

• Python: /opt/conda/envs/pytorch/bin/python

• NVIDIA 드라이버:

  • OSS Nvidia 드라이버: 550.144.03

• NVIDIA CUDA12.1 스택:

  • CUDA, NCCL 및 cuDDN 설치 경로: /usr/local/cuda-12.4/

  • 기본 CUDA: 12.4

    • PATH /usr/local/cuda는 /usr/local/cuda-12.4/를 가리킵니다.

    • 아래 env vars가 업데이트되었습니다.

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

      • PATH: /usr/local/cuda/bin/:/usr/local/cuda/include/

  • /usr/local/cuda/에 있는 컴파일된 시스템 NCCL 버전: 2.21.5

  • PyTorch conda 환경에서 컴파일된 PyTorch NCCL 버전: 2.20.5

• NCCL 테스트 위치:

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

  • NCCL 테스트를 실행하기 위해 LD_LIBRARY_PATH는 이미 필요한 경로로 업데이트되어 있습니다.

    • 공통 PATH가 다음 LD_LIBRARY_PATH에 이미 추가됨:

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

  • LD_LIBRARY_PATH가 CUDA 버전 경로로 업데이트됨

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

• EFA 설치 관리자: 1.34.0

• Nvidia GDRCopy: 2.4.1

• Nvidia 트랜스포머 엔진: v1.11.0

• AWS OFI NCCL 플러그인: EFA Installer-aws의 일부로 설치됨

  • 설치 경로: /opt/aws-ofi-nccl/ . /opt/aws-ofi-nccl/lib 경로가 LD_LIBRARY_PATH에 추가됩니다.

  • 링, message_transfer에 대한 테스트 경로: /opt/aws-ofi-nccl/tests

  • 참고: PyTorch 패키지에는 conda 패키지 aws-ofi-nccl-dlc 패키지로 동적으로 연결된 AWS OFI NCCL 플러그인이 함께 제공되며, PyTorch는 시스템 AWS OFI NCCL 대신 해당 패키지를 사용합니다.

• AWS CLI v2를 aws2로, AWS CLI v1을 aws로

• EBS 볼륨 유형: gp3

• Python 버전: 3.11

• SSM 파라미터를 사용하여 AMI-ID 쿼리(예시 리전은 us-east-1):

  • OSS Nvidia 드라이버:

    aws ssm get-parameter --region us-east-1 \
            --name /aws/service/deeplearning/ami/x86_64/oss-nvidia-driver-gpu-pytorch-2.4-ubuntu-22.04/latest/ami-id \
            --query "Parameter.Value" \
            --output text

• AWSCLI를 사용하여 AMI-ID 쿼리(예시 리전은 us-east-1):

  • OSS Nvidia 드라이버:

    aws ec2 describe-images --region us-east-1 \
        --owners amazon \
        --filters 'Name=name,Values=Deep Learning OSS Nvidia Driver AMI GPU PyTorch 2.4.? (Ubuntu 22.04) ????????' 'Name=state,Values=available' \
        --query 'reverse(sort_by(Images, &CreationDate))[:1].ImageId' \
        --output text

P5/P5e 인스턴스

• DeviceIndex는 각 NetworkCard에 고유하며, NetworkCard당 ENI의 한도보다 작은 음수가 아닌 정수여야 합니다. P5에서 NetworkCard당 ENI의 수는 2입니다. 즉, DeviceIndex에 유효한 유일한 값은 0 또는 1입니다. 다음은 awscli를 사용하는 EC2 P5 인스턴스 시작 명령의 예입니다. NetworkCardIndex가 번호 0~31이며 첫 번째 인터페이스의 경우 DeviceIndex는 0, 나머지 31개 인터페이스의 경우 DeviceIndex는 1로 설정됩니다.

• NVIDIA Container Toolkit을 버전 1.17.3에서 버전 1.17.4로 업데이트했습니다.

  • 자세한 내용은 https://github.com/NVIDIA/nvidia-container-toolkit/releases/tag/v1.17.4 릴리스 정보 페이지를 참조하세요.

  • Container Toolkit 버전 1.17.4에서는 이제 CUDA 호환 라이브러리 탑재가 비활성화됩니다. 컨테이너 워크플로에서 여러 CUDA 버전과의 호환성을 보장하려면 CUDA 호환성 계층을 사용하는 경우 자습서에 표시된 대로 CUDA 호환성 라이브러리를 포함하도록 LD_LIBRARY_PATH를 업데이트해야 합니다.

• 2025년 1월 NVIDIA GPU 디스플레이 드라이버 보안 공지에 있는 CVE를 해결하기 위해 NVIDIA 드라이버를 버전 550.127.05에서 550.144.03으로 업그레이드했습니다.

• 커널 주소 공간 레이아웃 무작위화(KASLR) 기능의 결함을 해결하기 위해 Ubuntu 커널이 변경되었으므로, G4Dn/G5 인스턴스는 OSS Nvidia 드라이버에서 CUDA를 올바르게 초기화할 수 없습니다. 이 문제를 완화하기 위해 이 DLAMI에는 G4Dn 및 G5 인스턴스용 독점 드라이버를 동적으로 로드하는 기능이 포함되어 있습니다. 인스턴스가 제대로 작동할 수 있도록 하기 위해 해당 로드 작업에 초기화 기간이 잠시 소요될 수 있습니다.

  • 이 서비스의 상태를 확인하기 위해 다음 명령을 사용할 수 있습니다.

• 트랜스포머 모델 가속화를 위한 Nvidia TransformerEngine v1.11.0 추가(자세한 내용은 https://docs.nvidia.com/deeplearning/transformer-engine/user-guide/index.html 참조)

• Nvidia Container Toolkit을 버전 1.16.1에서 1.16.2로 업그레이드하여 보안 취약성 CVE-2024-0133을 해결했습니다.

• Deep Learning AMI GPU PyTorch 2.4.1(Ubuntu 22.04) 시리즈의 최초 릴리스. NVIDIA 드라이버 R550, CUDA=12.4.1, cuDNN=8.9.7, PyTorch NCCL=2.20.5 및 EFA=1.34.0으로 보완된 conda 환경 pytorch를 포함합니다.