AWS Deep Learning Containers发布PyTorch ARM64架构推理镜像v1.5版本

AWS Deep Learning Containers（DLC）项目为机器学习开发者提供了预构建的深度学习环境容器镜像，这些镜像经过优化并预装了主流深度学习框架及其依赖项。近日，该项目发布了针对ARM64架构的PyTorch推理镜像v1.5版本，支持在EC2实例上运行PyTorch 2.5.1的推理任务。

镜像版本概览

本次发布包含两个主要镜像版本，分别针对CPU和GPU计算环境：

1. CPU版本：基于Ubuntu 22.04系统，预装PyTorch 2.5.1（CPU版本）、Python 3.11环境及相关依赖库。该镜像适用于不需要GPU加速的推理场景。

2. GPU版本：同样基于Ubuntu 22.04系统，预装PyTorch 2.5.1（CUDA 12.4版本）、Python 3.11环境及GPU相关驱动和库。该镜像针对NVIDIA GPU进行了优化，适合需要GPU加速的推理任务。

关键技术组件

两个镜像版本都包含了PyTorch生态系统的核心组件：

• PyTorch主框架：2.5.1版本，针对ARM64架构进行了优化编译
• TorchVision：0.20.1版本，提供计算机视觉相关功能
• TorchAudio：2.5.1版本，支持音频处理任务
• TorchServe：0.12.0版本，用于模型部署和服务
• Torch Model Archiver：0.12.0版本，用于模型打包

此外，镜像中还预装了常用的数据处理和科学计算库：

• NumPy 2.1.3：高性能多维数组计算库
• SciPy 1.14.1：科学计算工具集
• OpenCV 4.10.0：计算机视觉库
• Pandas 2.2.3（仅GPU版本）：数据分析工具

系统级优化

AWS对这些镜像进行了系统级的优化：

1. 编译器优化：使用了GCC 11工具链，包括libgcc-11-dev和libstdc++-11-dev等组件，确保代码在ARM64架构上的最佳性能表现。

2. CUDA支持：GPU版本集成了CUDA 12.4工具包和cuDNN库，为PyTorch提供了高效的GPU计算能力。

3. 开发工具：预装了Emacs等开发工具，方便用户在容器内进行代码编辑和调试。

适用场景

这些ARM64架构的PyTorch推理镜像特别适合以下场景：

1. 边缘计算：在ARM架构的设备上部署轻量级推理模型
2. 成本优化：利用ARM实例通常具有的性价比优势
3. 能效优先：需要低功耗运行的推理应用
4. 模型服务：使用TorchServe构建可扩展的模型服务

版本兼容性

开发者可以根据需要选择不同的标签版本：

• 固定版本标签（如2.5.1-cpu-py311-ubuntu22.04-ec2-v1.5）确保环境稳定性
• 主版本标签（如2.5-cpu-py311-ec2）方便获取该主版本下的最新更新

AWS Deep Learning Containers的这些PyTorch ARM64镜像为开发者提供了开箱即用的深度学习推理环境，大大简化了模型部署的复杂度，同时保证了性能和稳定性。无论是研究原型还是生产部署，这些预构建的容器镜像都能显著提高开发效率。