AWS Deep Learning Containers 发布 DJL Inference 0.33.0 版本支持 LMI 15.0.0 和 CUDA 12.8

AWS Deep Learning Containers 是一个由亚马逊云科技维护的深度学习容器镜像项目，它为开发者提供了预配置的深度学习环境，包含了主流深度学习框架、工具和库的优化版本。这些容器镜像可以直接部署在AWS云平台上，大大简化了深度学习模型的训练和推理部署流程。

近日，该项目发布了 DJL Inference 0.33.0 版本，这是一个重要的更新版本，特别针对使用 LMI (Large Model Inference) 15.0.0 和 CUDA 12.8 的用户进行了优化。DJL (Deep Java Library) 是亚马逊开发的一个开源深度学习框架，它允许Java开发者轻松构建和部署深度学习模型。

核心特性与更新

这个版本最显著的特点是提供了对 CUDA 12.8 的完整支持。CUDA 12.8 是NVIDIA最新的并行计算平台和编程模型版本，为深度学习工作负载提供了更好的性能和兼容性。容器中包含了完整的CUDA工具链和库文件，包括：

• cuda-command-line-tools-12-8
• libcublas-12-8 和 libcublas-dev-12-8
• libnccl-dev 和 libnccl2

这些底层库的更新为深度学习模型的推理提供了更高效的计算能力，特别是在处理大规模语言模型(Large Language Models)时表现更为突出。

软件栈组成

该容器镜像集成了当前主流的深度学习工具和框架：

1. PyTorch生态：包含了PyTorch 2.6.0、TorchVision 0.21.0和TorchAudio 2.6.0的完整套件，为计算机视觉和音频处理任务提供了强大的支持。

2. Transformer生态：集成了Hugging Face的Transformers 4.51.3、Tokenizers 0.21.1和Datasets 3.0.1库，方便开发者使用和微调预训练的语言模型。

3. 数据处理工具：包含了Pandas 2.2.3、NumPy 1.26.4和SciPy 1.15.2等科学计算库，以及Scikit-learn 1.6.1机器学习工具包。

4. 实用工具：提供了MPI4py 4.0.3用于并行计算，Ninja 1.11.1.4作为构建工具，以及AWS CLI 1.38.35用于云服务交互。

技术优势

这个版本的容器镜像经过AWS的专门优化，具有以下技术优势：

1. 性能优化：针对AWS基础设施进行了深度优化，能够充分发挥EC2实例的计算潜力，特别是在使用GPU加速时。

2. 稳定性保障：所有软件包版本都经过严格测试，确保相互兼容，减少了依赖冲突的风险。

3. 开箱即用：预配置了完整的深度学习环境，开发者可以直接使用，无需花费时间在环境配置上。

4. 可扩展性：支持从单机推理到分布式部署的各种场景，适合不同规模的模型部署需求。

适用场景

这个版本的容器镜像特别适合以下应用场景：

• 大规模语言模型的推理服务部署
• 计算机视觉应用的模型服务化
• 语音识别和处理系统的构建
• 需要快速原型设计和部署的AI应用开发

对于需要在AWS云平台上部署深度学习模型的团队来说，这个预配置的容器镜像可以显著降低运维复杂度，加快产品上线速度。开发者可以专注于模型开发和业务逻辑实现，而不必担心底层环境的兼容性和性能问题。

随着深度学习模型规模的不断扩大和计算需求的增长，这种经过优化的容器解决方案将变得越来越重要。AWS Deep Learning Containers项目的持续更新，为开发者提供了稳定可靠的深度学习基础设施支持。