AWS 深度学习 AMI GPU PyTorch 2.4 (Ubuntu 22.04)

• 深度学习 OSS Nvidia 驱动程序 AMI GPU PyTorch 2.4。$ {PATCH_VERSION} (Ubuntu 22.04) $ {} YYYY-MM-DD

• 请参阅 DLAMI 的重要更改。

• 采用 OSS Nvidia Driver 的 Deep Learning 支持 G4dn、G5、G6、Gr6、P4、P4de、P5、P5e、P5en。

• 支持的 AWS 服务：EC2

• 操作系统：Ubuntu 22.04

• 计算架构：x86

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

• NVIDIA Driver：

  • OSS Nvidia Driver：550.144.03

• 英伟达 CUDA12.1 堆栈：

  • CUDA、NCCL 和 cuda-12.4/ 安装路径：//cuda-12.4/ usr/local

  • 默认 CUDA：12.4

    • PATH/usr/local/cuda 指向//cuda-12.4/ usr/local

    • 更新以下环境变量：

      • LD_LIBRARY_PATH 需要有//:/://cudacuda/lib:/usr/local//x86_6 usr/local 4 cuda/lib64-usr/local usr/local cuda/targets linux/lib

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

  • 编译系统 NCCL 版本位于/usr/local/cuda/: 2.21.5

  • PyTorch 从 c PyTorch onda 环境编译的 NCCL 版本：2.20.5

• NCCL 测试位置：

  • all_reduce、all_gather 和 reduce_scatter://cuda-xx。usr/localx/efa/test-cuda-xx.x/

  • 为了运行 NCCL 测试，LD_LIBRARY_PATH 已经更新了必需的路径。

    • 常用 PATH 已经被添加到 LD_LIBRARY_PATH：

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

  • LD_LIBRARY_PATH 更新为指向 CUDA 版本路径

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

• EFA 安装程序：1.34.0

• Nvidia GDRCopy：2.4.1

• Nvidia Transformer Engine：v1.11.0

• AWS OFI NCCL 插件：作为插件的一部分安装 EFA Installer-aws

  • 安装路径：/opt/aws-ofi-nccl/。路径已添加到 LD_LI /opt/aws-ofi-nccl/lib BRARY_PATH。

  • 响铃、message _transfer 的测试路径：/opt/aws-ofi-nccl/tests

  • 注意：该 PyTorch 软件包还附带动态链接的 AWS OFI NCCL 插件作为 conda 软件aws-ofi-nccl-dlc包， PyTorch并将使用该软件包代替系统 OFI NCCL。 AWS

• AWS CLI v2 as aws2 和 AWS CLI v1 为 aws

• EBS 卷类型：gp3

• Python 版本：3.11

• AMI-ID 使用 SSM 参数查询（示例 Region 为 us-east-1）：

  • OSS Nvidia Driver：

    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

• AMI-ID 使用 AWSCLI 查询（示例 Region 是 us-east-1）：

  • OSS Nvidia Driver：

    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 实例

• DeviceIndex 每个都是唯一的 NetworkCard，并且必须是小于每个 ENI 限制的非负整数。 NetworkCard在 P5 上，每个 ENI 的数量 NetworkCard 为 2，这意味着的唯一有效值 DeviceIndex 为 0 或 1。以下是使用 awscli 的 EC2 P5 实例启动命令的示例，第一个接口 NetworkCardIndex 从数字 0-31 显示 DeviceIndex 为 0，其余 31 个接口显示 DeviceIndex 为 1。

• NVIDIA Container Toolkit 版本从 1.17.3 更新为 1.17.4

  • 有关更多信息，请参阅此处的发行说明页面：https://github.com/NVIDIA/nvidia-container-toolkit/releases/tag/v1.17.4

  • 在 Container Toolkit 版本 1.17.4 中，现在禁用挂载 CUDA 兼容性库。为了确保与容器工作流中的多个 CUDA 版本兼容，请确保更新 LD_LIBRARY_PATH 以包含您的 CUDA 兼容性库，如如果您使用 CUDA 兼容层教程中所示。

• Nvidia 驱动程序版本从 550.127.05 升级到 550.144.03，以解决 2025 年 1 月版 NVIDIA GPU 显示器驱动程序安全公告中披露的 CVE 漏洞。

• 由于更改了 Ubuntu 内核以解决内核地址空间布局随机化 (KASLR) 功能中的缺陷， G4Dn/G5 实例无法在 OSS Nvidia 驱动程序上正确初始化 CUDA。为缓解此问题，该 DLAMI 包括了一项功能，可为 G4Dn 和 G5 实例动态加载专有驱动程序。为了确保您的实例能够正常工作，请为此加载预留一段短暂的初始化时间。

  • 要查看此服务的状态和运行情况，您可以使用以下命令：

• 添加了用于加速 Transformer 模型的 N TransformerEngine vidia v1.11.0（更多详细信息，请参阅）https://docs.nvidia.com/deeplearning/transformer-engine/user-guide/index.html

• 将 Nvidia 容器工具包从 1.16.1 版本升级到 1.16.2，解决了安全漏洞。 CVE-2024-0133

• 深度学习 AMI GPU PyTorch 2.4.1 (Ubuntu 22.04) 系列的初始版本。包括配有 NVIDIA 驱动程序 R550、CUDA=12.4.1、cuDNN=8.9.7、NCCL=2.20.5 和 EFA=1.34.0 的 conda 环境 pytorch。 PyTorch