AWS 深度学习基础 AMI（亚马逊 Linux 2）

• 深度学习基础 OSS Nvidia Driver AMI（亚马逊 Linux 2）版本 $ {XX.X}

• 深度学习基础专有 Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 $ {XX.X}

• 请参阅 DLAMI 的重要更改。

• 使用 OSS 进行深度学习 Nvidia Driver 支持 G4dn、G5、G6、Gr6、G6e、p4d、p4de、P5、p5e、p5e、p5eN

• 使用专有 Nvidia 驱动程序进行深度学习支持 G3（不支持 G3.16x）、P3、p3dn

• 支持的 AWS 服务：Amazon EC2

• 操作系统：亚马逊 Linux 2

• 计算架构：x86

• 已为以下软件包安装了最新的可用版本：

  • Linux 内核：5.10

  • Docker

  • AWS CLI v2 位于/usr/local/bin/aws2 和 AWS CLI v1 位于/usr/bin/aws

  • 英伟达容器工具包：

    • 版本命令： nvidia-container-cli-V

  • nvidia-docker2：

    • 版本命令：nvidia-docker 版本

• Python：/usr/bin/python3.7

• 英伟达驱动程序：

  • OSS Nvidia 驱动程序：550.163.01

  • Nvidia 专有驱动程序：550.163.01

• NVIDIA CUDA 12.1-12.4 堆栈：

  • CUDA、NCCL 和 cudDN 安装目录：/-xx.x/ usr/local/cuda

  • 默认 CUDA：12.1

    • 路径/ usr/local/cuda 指向 CUDA 12.1

    • 在环境变量下方更新：

      • LD_LIBRARY_PATH 要有/usr/local/cuda-12.1/lib:/usr/local/cuda-12.1/lib64:/usr/local/cuda-12.1:/usr/local/cuda-12.1/targets/x86_64-linux/lib

      • 要拥有的路径/usr/local/cuda-12.1/bin/:/usr/local/cuda-12.1/include/

      • 对于任何不同的 CUDA 版本，请相应地更新 LD_LIBRARY_PATH。

  • 已编译的 NCCL 版本：2.22.3

  • NCCL 测试地点：

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

    • 要运行 NCCL 测试，LD_LIBRARY_PATH 需要通过以下更新。

      • 已 PATHs 在 LD_LIBRARY_PATH 中添加了常见内容：

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

      • 对于任何不同的 CUDA 版本，请相应地更新 LD_LIBRARY_PATH。

• EFA 安装程序：1.38.0

• 英伟达 GDRCopy：2.4

• AWS OFI NCC L：1.13.2

  • AWS OFI NCCL 现在支持单一版本的多个 NCCL 版本

  • 安装路径：/opt/amazon/ofi-nccl/ . Path /opt/amazon/ofi-nccl/lib64 已添加到 LD_LIBRARY_PATH。

• EBS 卷类型：gp3

• 使用 SSM 参数查询 AMI-ID（示例区域为 us-east-1）：

  • OSS 英伟达驱动程序：

    aws ssm get-parameter --region us-east-1 \
        --name /aws/service/deeplearning/ami/x86_64/base-oss-nvidia-driver-amazon-linux-2/latest/ami-id  \
        --query "Parameter.Value" \
        --output text

  • 专有的英伟达驱动程序：

    aws ssm get-parameter --region us-east-1 \
        --name /aws/service/deeplearning/ami/x86_64/base-proprietary-nvidia-driver-amazon-linux-2/latest/ami-id \
        --query "Parameter.Value" \
        --output text

• 使用以下方式查询 AMI-ID AWSCLI （示例区域为 us-east-1）：

  • OSS 英伟达驱动程序：

    aws ec2 describe-images --region us-east-1 \
        --owners amazon \
        --filters 'Name=name,Values=Deep Learning Base OSS Nvidia Driver AMI (Amazon Linux 2) Version ??.?' 'Name=state,Values=available' \
        --query 'reverse(sort_by(Images, &CreationDate))[:1].ImageId' \
        --output text

  • 专有的英伟达驱动程序：

    aws ec2 describe-images --region us-east-1 \
        --owners amazon \
        --filters 'Name=name,Values=Deep Learning Base Proprietary Nvidia Driver AMI (Amazon Linux 2) Version ??.?' 'Name=state,Values=available' \
        --query 'reverse(sort_by(Images, &CreationDate))[:1].ImageId' \
        --output text

EC2 带有多个网卡的实例

• 许多支持 EFA 的实例类型也有多个网卡。

• DeviceIndex 对于每个网卡来说都是唯一的，并且必须是小于 ENIs p NetworkCard er 限制的非负整数。在 P5 上，p ENIs er 的数量 NetworkCard 为 2，这意味着的唯一有效值 DeviceIndex 是 0 或 1。

  • 对于主网络接口（网卡索引 0，设备索引 0），创建 EFA（带有 ENA 的 EFA）接口。您不能使用仅限 EFA 的网络接口作为主网络接口。

  • 对于每个额外的网络接口，请使用下一个未使用的网卡索引，即设备索引 1，以及 EFA（带有 ENA 的 EFA）或仅限 EFA 的网络接口，具体取决于您的用例，例如 ENA 带宽要求或 IP 地址空间。有关用例示例，请参阅 P5 实例的 EFA 配置。

  • 有关更多信息，请参阅此处的 EFA 指南。

p5/p5e 实例

• P5 和 P5e 实例包含 32 个网络接口卡，可以使用以下命令启动： AWS CLI

P5en 实例

• P5en 包含 16 个网络接口卡，可使用以下 AWS CLI 命令启动：

内核

• 使用以下命令固定内核版本：

  sudo yum versionlock kernel*

• 我们建议用户避免更新其内核版本（除非有安全补丁），以确保与已安装的驱动程序和软件包版本兼容。如果用户仍想更新，他们可以运行以下命令来取消固定其内核版本：

  sudo yum versionlock delete kernel*
  sudo yum update -y

• 对于每个新版本的 DLAMI，都使用最新可用的兼容内核。

AMI 的名字

• 深度学习基础 OSS Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 69.3

• 深度学习基础专有 Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 67.0

• 将 Nvidia 驱动程序从 550.144.03 版升级到 550.163.01 版，以解决 2025 年 4 月 NVIDIA G PU CVEs 显示驱动程序安全公告中提到的问题

AMI 的名字

• 深度学习基础 OSS Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 68.5

• 深度学习基础专有 Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 66.3

• 将 NVIDIA 容器工具包从版本 1.17.3 更新到 1.17.4 版本。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

• 删除了 NVIDIA CUDA 工具包提供的用户空间库 cuobj 和 nvdisasm，以解决在 2025 年 2 月 18 日的 NVIDIA CUDA 工具包安全公告中 CVEs 出现的问题

AMI 的名字

• 深度学习基础 OSS Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 68.4

• 深度学习基础专有 Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 66.1

• 将 EFA 版本从 1.37.0 升级到 1.38.0

AMI 的名字

• 深度学习基础 OSS Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 68.3

• 深度学习基础专有 Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 66.0

• 将 Nvidia 驱动程序从 550.127.05 版升级到 550.144.03 版，以解决 2025 年 1 月 NVIDIA G PU CVEs 显示驱动程序安全公告中提到的问题

AMI 的名字

• 深度学习基础 OSS Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 68.2

• 深度学习基础专有 Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 65.9

• 将 EFA 从版本 1.34.0 升级到 1.37.0

• 将 AWS OFI NCCL 从 1.11.0 版升级到 1.13.0 版

AMI 的名字

• 深度学习基础 OSS Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 68.1

• 深度学习基础专有 Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 65.8

• 将 Nvidia 容器工具包从 1.17.0 版升级到 1.17.3 版

AMI 的名字

• 深度学习基础 OSS Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 67.9

• 深度学习基础专有 Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 65.6

• 将 Nvidia 容器工具包从 1.16.2 版升级到 1.17.0 版，解决了安全漏洞 CVE-2024-0134。

AMI 的名字

• 深度学习基础 OSS Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 67.7

• 深度学习基础专有 Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 65.4

• 将 Nvidia 驱动程序从 550.90.07 版本升级到 550.127.05，以解决 2024 年 10 月 NVIDIA GPU CVEs 显示屏安全公告中提到的问题

AMI 的名字

• 深度学习基础 OSS Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本

• 深度学习基础专有 Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 65.2

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

• 将 Nvidia 驱动程序和 Fabric Manager 从 535.183.01 版本升级到 550.90.07

  • 根据 Nvidia 的建议，从 Fabric Manager 中删除了多用户外壳要求

  • 有关更多信息，请在此处参考 Tesla 驱动程序 550.90.07 的已知问题

• 将 EFA 版本从 1.32.0 升级到 1.34.0

• 已将所有 CUDA 版本的 NCCL 升级到最新版本 2.22.3

  • CUDA 12.1、12.2 从 2.18.5+ 升级 .2 CUDA12

  • CUDA 12.3 从 2.21.5+ 升级 .4 CUDA12

• 在目录/-12.4 中添加了 CUDA 工具包版本 12.4 usr/local/cuda

• 增加了对 P5e 实例 EC2 的支持。

• 移除了目录中存在的 CUDA Toolkit 版本 11.8 堆栈 /-11.8 usr/local/cuda

• 增加了对 G6e 实例 EC2 的支持。

AMI 的名字

• 深度学习基础 OSS Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 65.4

• 深度学习基础专有 Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 63.9

• 将 Nvidia 驱动程序版本从 535.161.08 更新到 535.183.01

AMI 的名字

• 深度学习基础 OSS Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 64.7

• 深度学习基础专有 Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 63.2

• 将 EFA 版本从版本 1.30 更新到版本 1.32

• 将 AWS OFI NCCL 插件从 1.7.4 版更新到 1.9.1 版

• 将 Nvidia 容器工具包从版本 1.13.5 更新到 1.15.0 版

• 添加了 CUDA12 .3 堆栈，包含 CUDA12 .3、NCCL 2.21.5、cudnn 8.9.7

  版本 1.15.0 不包括 nvidia-container-runtime和 nvidia-docker2 软件包。建议按照 Nvidia 容器工具 nvidia-container-toolkit包文档直接使用软件包。

• 移除了 CUDA11 /-12. CUDA12 0 处存在的 .7、.0 堆栈 usr/local/cuda-11.7 and /usr/local/cuda

• 作为从 1.13.5 到 1.15.0 的 Nvidia 容器工具包更新的一部分，删除了 nvidia-docker2 软件包及其命令 nvidia-docker，其中不包括和 nvidia-docker2 软件包。 nvidia-container-runtime

• 对于 OSS Nvidia 驱动程序 DLAMIs，添加了 G6 和 Gr6 实例支持 EC2

AMI 的名字

• 深度学习基础 OSS Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 62.3

• 深度学习基础专有 Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 63.2

• 在专有和 OSS Nvidia 驱动程序中，将 Nvidia 驱动程序从 535.104.12 更新为 535.161.08。 DLAMIs

• 每个 DLAMI 支持的新实例如下：

  • 使用专有 Nvidia 驱动程序进行深度学习支持 G3（不支持 G3.16x）、P3、p3dn

  • 使用 OSS 进行深度学习 Nvidia Driver 支持 g4dn、G5、p4d、p4de、P5。

• 从 Nvidia 专有驱动程序 DLAMI 中移除了 G4dn、G5、G3.16x EC2 实例支持。

• 在 OSS Nvidia Driver AMI usr/local/bin/aws2, alongside awscliv1 as /usr/local/bin/aws 上将 awscliv2 添加为/

• 更新了 OSS Nvidia 驱动程序 DLAMI，支持 G4dN 和 G5，基于它目前的支持如下所示：

  • 深度学习基础专有 Nvidia 驱动程序 AMI（亚马逊 Linux 2）支持 P3、p3dn、G3、g4dn、G5。

  • 深度学习基础 OSS Nvidia Driver AMI（亚马逊 Linux 2）支持 g4dn、G5、P4、P5。

• 建议将 OSS Nvidia 驱动程序 DLAMIs 用于 G4dN、G5、P4、P5。

AMI 的名字

• 深度学习基础 OSS Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 62.1

• 深度学习基础专有 Nvidia 驱动程序 AMI（亚马逊 Linux 2）版本 62.1

• 将 OSS Nvidia 驱动程序从 535.129.03 更新到 535.154.05

• 将 EFA 从 1.29.0 更新到 1.30.0

• 将 AWS OFI NCCL 从 1.7.3-aws 更新到 1.7.4-aws

• 更新了 runc 包版本以使用 CVE-2024-21626 的补丁。

• OSS Nvidia 驱动程序从 535.104.12 更新到 535.129.03

• EFA 从 1.26.1 更新到 1.29.0

• GDRCopy 已从 2.3 更新到 2.4

• AWS 深度学习 AMI (DLAMI) 分为两个独立的组：

  • 使用 Nvidia 专有驱动程序（支持 P3、p3dn、G3、G5、g4dN）的 DLAMI。

  • 使用 Nvidia OSS 驱动程序启用 EFA（支持 P4、P5）的 DLAMI。

• 有关DLAMI拆分的更多信息，请参阅公告。

• 有关 AWS CLI 查询，请参阅要点查询 AMI-ID AWSCLI （示例区域为 us-east-1）

• AWS OFI NCCL 插件从 1.7.2 版更新到 1.7.3 版

• 使用 NCCL 版本 2.18.5 更新了 CUDA 12.0-12.1 目录

• CUDA12.1 已更新为默认 CUDA 版本

  • 将 LD_LIBRARY_PATH 更新为有//usr/local/cuda-12.1/targets/x86_64-linux/lib/:/usr/local/cuda-12.1/lib:/usr/local/cuda-12.1/lib64:/usr/local/cuda-12.1 and PATH to have /usr/local/cuda-12.1/bin

  • 对于想要更改为任何不同的 CUDA 版本的客户，请相应地定义 LD_LIBRARY_PATH 和 PATH 变量。

• 内核实时补丁现已启用。实时补丁使客户能够将安全漏洞和严重错误补丁应用于正在运行的 Linux 内核，而无需重启或中断正在运行的应用程序。请注意，对内核 5.10.192 的实时补丁支持将于 23 年 11 月 30 日结束。

• NVIDIA 驱动程序从 535.54.03 更新到 535.104.12

  这个最新的驱动程序修复了在535.54.03驱动程序中发现的NVML ABI重大更改，以及驱动程序535.86.10中发现的影响P5实例上CUDA工具包的驱动程序回归问题。有关修复的详细信息，请参阅以下 NVIDIA 发行说明：

  • 423594 1-NVML ABI 重大更改修复

  • 422855 2-CUDA 工具包错误修复

• 使用 NCCL 2.18.5 更新了 CUDA 12.2 目录

• EFA 从 1.24.1 更新到最新的 1.26.1

• 在/usr/local/cuda- CUDA12 12.2 处添加了 .2

• 移除了对 CUDA 11.5 和 CUDA 11.6 的支持

• 将 aws-ofi-nccl插件从 1.7.1 版本更新到 1.7.2 版本

• 此 AMI 现在支持 P5 和以前支持的所有实例上的多节点训练功能 EC2

• 对于 P5 EC2 实例，建议使用 NCCL 2.18，该版本已添加到 CUDA12 .0 和 .1 中。 CUDA12

• 移除了对 CUDA11 .5 的支持。

• 移除了 CUDA-11.3 和 CUDA-11.4

• 将 AWS OFI NCCL 插件更新到 v1.7.1

• 将 CUDA11 .8 设为默认 PyTorch 2.0 支持 11.8，对于 P5 EC2 实例，建议使用 >= .8 CUDA11

  • 将 LD_LIBRARY_PATH 更新为有//usr/local/cuda-11.8/targets/x86_64-linux/lib/:/usr/local/cuda-11.8/lib:/usr/local/cuda-11.8/lib64:/usr/local/cuda-11.8 and PATH to have /usr/local/cuda-11.8/bin

  • 对于任何不同的 cuda 版本，请相应地定义 LD_LIBRARY_PATH。

• 修复了之前发布日期 2023-07-19 中提到的 Nvidia Fabric Manager (FM) 软件包加载问题。

• 将 Nvidia 驱动程序从 525.85.12 更新到 535.54.03

• 将 EFA 安装程序从 1.22.1 更新到 1.24.1

• 添加了 c 状态更改，通过将最大 c 状态设置为 C1 来禁用处理器的空闲状态。此更改是通过在文件/的 linux 启动参数中设置 `intel_idle.max_cstate=1 processor.max_cstate=1` 来实现的 etc/default/grub

• AWS EC2 P5 实例支持：

  • 为使用单节点/ EC2 实例的工作流程添加了 P5 实例支持。在即将发布的版本中，将添加使用 EFA（弹性结构适配器）和 AWS OFI NCCL 插件的多节点支持（例如用于多节点训练）。

  • 请使用 CUDA>=11.8 以获得最佳性能。

  • 已知问题：Nvidia Fabric Manager (FM) 软件包在 P5 上加载需要时间，客户在启动 P5 实例后需要等待 2-3 分钟，直到 FM 加载。要检查 FM 是否已启动，请运行命令 sudo systemctl is-active nvidia-fabricmanager，它应该在开始任何工作流程之前恢复活动状态。这个问题将在即将发布的版本中修复。

• 根据本文档顶部部分提到的支持政策，已删除 CUDA11 .0-11.2 堆栈。

• 添加了英伟达 GDRCopy 2.3

• 将 NVIDIA 驱动程序从 515.65.01 更新到 525.85.12

• 在 /-11.8/ 处添加了 cuda-11.8 usr/local/cuda

• 已将 EFA 版本从 1.17.2 更新到 1.19.0

• 将 NVIDIA 驱动程序从 510.47.03 更新到 515.65.01

• 在 /-11.7/ 处添加了 cuda-11.7 usr/local/cuda

• 将 EFA 版本从 1.16.0 更新到 1.17.2

• 已更新 aws-efa-installer至 1.15.2 版本

• 已更新 aws-ofi-nccl至 1.3.0-aws 版本，其中包含 p4de.24xlarge 的拓扑。

• 此版本增加了对 p4de EC2 .24xlarge 实例的支持。

• 已添加亚马逊 CloudWatch 代理

• 添加了三个 systemd 服务，它们使用路径/ opt/aws/amazon-cloudwatch-agent/etc /中可用的预定义 json 文件使用 linux 用户 cwagent 配置 GPU 指标

  • dlami-cloudwatch-agent@minimal

    • 启用 GPU 指标的命令：

      sudo systemctl enable dlami-cloudwatch-agent@minimal
      sudo systemctl start dlami-cloudwatch-agent@minimal

    • 它创建了以下指标：utilization_gpu，utilization_memory

  • dlami-cloudwatch-agent@partial

    • 启用 GPU 指标的命令：

      sudo systemctl enable dlami-cloudwatch-agent@partial
      sudo systemctl start dlami-cloudwatch-agent@partial

    • 它创建了以下指标：utilization_gpu、utilization_memory、memory_total、memory_used、memory_free

  • dlami-cloudwatch-agent@all

    • 启用 GPU 指标的命令：

      sudo systemctl enable dlami-cloudwatch-agent@all
      sudo systemctl start dlami-cloudwatch-agent@all

    • 它会创建所有可用的 GPU 指标

• 已将内核版本更新到 5.10

• 已将 Nvidia 驱动程序更新到 510.47.03

• 已锁定 aws-neuron-dkms， tensorflow-model-server-neuron当它们更新到 AMI 中存在的 Neuron 包不支持的较新版本时

  • 如果客户想解锁软件包以将其更新到最新版本，则会发出命令：sudo yum versionlock 删除 sudo yum ver aws-neuron-dkms sionlock 删除 tensorflow-model-server-neuron

• 添加了 CUDA11 .2，其中包含以下组件：

  • cudnn v8.1.1.33

  • NCCL 2.8.4

  • CUDA 11.2.2

• 将符号链接 pip 更新为 pip3

• 已弃用对 P2 实例类型的支持

• 弃用了 python2.7 并删除了相关的 python2.7 软件包，例如 “python-dev”、“python-pip” 和 “python-tk”

• 已从 cuda 版本中移除了 org.apache.ant_1.9.2.v201404171502\ lib\ ant-apache-log 4j.jar，因为它没有被使用，对拥有 Log4j 文件的用户没有风险。有关更多信息，请参阅 https://nvidia.custhelp.com/app/answers/detail/a_id/ 5294。

• 已将 EFA 更新到 1.14.1

• 从 aws-neuron-dkms =1.5 更新了 Neuron 软件包。 *，aws-neuron-runtime-base=1.5。 *， aws-neuron-tools=1.6.* 到 =2.2。 aws-neuron-dkms *，aws-neuron-runtime-base=1.6。 *， aws-neuron-tools=2.0.*。

• 移除了 Neuron 包 aws-neuron-runtime =1.5.*，因为 Neuron 的运行时不再作为守护程序运行，并且运行时现在已作为库与框架集成。

• JSON 格式的安全扫描报告可在 opt/aws/dlami/info //中找到。

• 每次使用 DLAMI 启动实例时，都会添加标签 aws-dlami-autogenerated-tag “do-not-delete-”，用于收集实例类型、实例 ID、DLAMI 类型和操作系统信息。 AWS 不会收集或保留有关在 DLAMI 中使用的命令的信息。不会收集或保留有关 DLAMI 的其他信息。要选择退出对您的 DLAMI 的使用情况跟踪，请在启动期间向您的 EC2 亚马逊实例添加标签。标签应使用密钥 OPT_OUT_TRACKING，关联值设置为 true。有关更多信息，请参阅标记您的 Amazon EC2 资源。

• 将 docker 版本更新为 docker-20.10.7-3

• 将 “笔记本” 更新至版本 “6.4.1”。

• 已将 Nvidia 驱动程序和 Fabric Manager 版本更新到 450.142.00。

• 根据 Neuron 版本 1.14.0 更新了 Neuron 软件包

• 将 awscli 版本更新到 1.19.89

• 从 CUDA-10.0 安装（/-10.0）中移除了易受攻击的 CUDA-10.0 组件（Visual Profiler、Nsight EE 和 JRE）。usr/local/cuda

• 将 runc 升级到最新版本

• 已将 Nvidia Tesla 驱动程序和 Fabric Manager 版本更新到 450.119.

• 修复了导致实例启动速度变慢的问题。

• 添加 tensorflow-model-server-neuron以支持神经元模型服务。

• 已将 python3 的 jupyterlab 升级到版本 3.0.8。

• /中已安装的 OpenMPI 旧版本已可用。usr/local/mpi caused /opt/amazon/openmpi/bin/mpirun to be linked incorrectly. To fix the link issue, we removed /usr/local/mpi installation, OpenMPI installation in /opt/amazon/openmpi

• 移除已污染外壳环境变量（例如 PATH 和 LD_LIBRARY_PATH）的重复和不存在的外壳环境定义。结果，添加了 ~/.dlami 和/etc/profile.d/var.sh has been removed, and /etc/profile.d/dlami.sh。

• 更新了软件包密码学以解决 CVE-2020-36242

• 添加了 Tensorrt CUDA 11.0 安装程序

• 修复了 MOTD（每日消息）中错误显示版本 34.1 的错字。

• 为 CVE-2021-3177 修补了 python2 和 python3

• MOTD（当天消息）中有一个错字，显示的版本34.1不正确，我们将发布版本34.3来解决这个问题。

• 将 pip 固定到 python2 的 20.3.4 版本，这是最后一个支持 python2 和 python3.5 的 pip 版本。

• 在 .0 和 .1 中将 cuDNN 版本更新到 v8.0.5.39 CUDA11。 CUDA11

• 在 NCCL 2.7.8 中添加了 CUDA11 .1、深度学习 AMI（亚马逊 Linux 2）的 cuDNN 8.0.4.30、深度学习 AMI（Ubuntu 16.04）、深度学习 AMI（Ubuntu 18.04）、深度学习基础 AMI（Ubuntu 16.04）、深度学习基础 AMI（Ubuntu 18.04）、深度学习基础 AMI（亚马逊 Linux 2）。

• 已将 EFA 安装程序升级到版本 1.10.0。

• 已将 CUDA 11.0 的 cudnn 版本升级到 v8.0.4.30。

• 已将 AWS Neuron 升级到 1.1 版

• 将 NVIDIA 驱动程序和结构管理器版本更新至 450.80.02

• 在 .0 中将 NCCL 更新到 2.7.8 CUDA11

• 修复了 yum 托管 python 包被 pipmanaged 安装覆盖的问题。可执行文件 pip、pip3 和 pip3.7 已从本修复程序的/ usr/binto /usr/local/binas 部分中移除。

• 将 NVIDIA 驱动程序从 450.51.05 版本更新到 450.51.06

• 添加了 NVIDIA 结构管理器 450.51.06 版本

• 已将 EFA 升级到 1.9.4

• 添加了 CUDA 11.0 堆栈 NCCL 2.7.6 和 cudnn 8.0.2.39

• 已将 EFA 从版本 1.7.1 升级到 1.9.3，网址为/opt/amazon/efa

• 在 '/ usr/local/mpi’. Open MPI at ‘/opt/amazon/openmpi/bin/mpirun '中将 Open MPI 从 4.0.3 版本升级到 4.0.4 版本仍处于 4.0.3 版本

• 将 NVIDIA 驱动程序从 440.33.01 更新到 450.51.05

• 在 0.2 中将 NCCL 版本从 2.6.4 升级到 2.7.6 CUDA1

• 已将 AWS OFI NCCL 升级到最新版本，详情请见此处。

• Cuda 8.0/9.0/9.2 已从 AMI 中删除

• 修复了无法打开共享目标文件：libopencv_dnn.so.4.2 的错误。

• EFA 版本已更新至 1.7.1 以支持 NCCL 2.6.4

• CUDA 10.2 的 NCCL 版本更新为 2.6.4

• awscli 版本从 1.16.76 更新到 1.18.80

• boto3 版本从 1.9.72 更新到 1.14.3

• Docker 版本已更新至 19.03.6

• Docker 版本已更新至 19.03.6

• 升级的 python 包版本

• 添加了 CUDA 10.2 堆栈

• 更新了 cudnn 和 NCCL 版本的 CUDA 10.0 和 10.1