AWS Deep Learning Containers发布PyTorch 2.4.0 Graviton CPU推理镜像

项目背景

AWS Deep Learning Containers（DLC）是亚马逊云科技提供的预配置深度学习环境容器镜像，这些镜像已经过优化，可在AWS云平台上高效运行。DLC包含了主流深度学习框架及其依赖项，帮助开发者快速部署机器学习工作负载，而无需花费时间配置底层环境。

最新版本特性

AWS近日发布了PyTorch 2.4.0版本的Graviton CPU推理镜像，这是专为基于ARM架构的AWS Graviton处理器优化的容器镜像。该版本包含以下关键特性：

1. PyTorch 2.4.0支持：提供了PyTorch框架的最新稳定版本，包含性能改进和新特性。

2. Graviton处理器优化：针对AWS Graviton ARM架构进行了专门优化，能够在Graviton实例上提供更好的性价比。

3. Python 3.11环境：基于Python 3.11构建，提供最新的Python语言特性和性能改进。

4. Ubuntu 22.04基础：使用Ubuntu 22.04 LTS作为基础操作系统，确保系统稳定性和长期支持。

5. 完整工具链：预装了常用的深度学习工具包，包括NumPy、SciPy、OpenCV等，以及模型服务工具TorchServe和Torch Model Archiver。

技术细节

该镜像包含了深度学习工作负载所需的关键组件：

• 核心框架：PyTorch 2.4.0+cpu、TorchVision 0.19.0+cpu、TorchAudio 2.4.0+cpu
• 数据处理：NumPy 1.26.4、SciPy 1.14.1、OpenCV-Python 4.10.0.84
• 模型服务：TorchServe 0.12.0、Torch Model Archiver 0.12.0
• 开发工具：Cython 3.0.11、Ninja 1.11.1.1
• AWS集成：AWS CLI 1.35.20、Boto3 1.35.54

镜像基于Ubuntu 22.04构建，包含了必要的系统库如libgcc和libstdc++的多个版本，确保兼容性。同时提供了开发者常用的工具如Emacs编辑器。

使用场景

这个Graviton优化的PyTorch推理镜像特别适合以下场景：

1. 成本敏感型推理工作负载：Graviton实例通常比同级别的x86实例更具成本效益，适合大规模部署推理服务。

2. 边缘计算场景：ARM架构的低功耗特性使其适合边缘设备部署。

3. 持续集成/持续部署(CI/CD)：预配置的环境可以加速模型测试和部署流程。

4. 教学和研究：提供开箱即用的PyTorch环境，方便快速开展实验。

总结

AWS Deep Learning Containers的这次更新为使用PyTorch框架的开发者提供了针对Graviton处理器优化的最新版本环境。通过使用这些预配置的容器镜像，开发者可以专注于模型开发和部署，而不必花费时间在环境配置上。特别是对于希望在AWS Graviton实例上运行PyTorch推理工作负载的用户，这个镜像提供了经过验证和优化的解决方案。