首页
/ AWS Deep Learning Containers发布PyTorch Graviton推理容器v1.28版本

AWS Deep Learning Containers发布PyTorch Graviton推理容器v1.28版本

2025-07-06 07:18:20作者:平淮齐Percy

AWS Deep Learning Containers(DLC)是亚马逊云科技提供的一组经过优化的深度学习容器镜像,这些镜像预装了流行的深度学习框架及其依赖项,可以帮助开发者快速部署机器学习工作负载。DLC支持多种深度学习框架,包括PyTorch、TensorFlow和MXNet等,并针对AWS基础设施进行了性能优化。

近日,AWS发布了PyTorch Graviton推理容器的v1.28版本,该版本基于PyTorch 2.4.0构建,专为使用AWS Graviton处理器的环境优化。Graviton处理器是AWS基于ARM架构自主研发的云服务器处理器,相比传统x86架构处理器,在性能和成本效益方面都有显著优势。

版本核心特性

这个新发布的容器镜像具有以下主要技术特性:

  1. PyTorch 2.4.0支持:集成了PyTorch框架的最新稳定版本2.4.0,包含所有最新的功能和性能改进。

  2. Graviton处理器优化:专门为AWS Graviton ARM架构处理器优化,能够充分发挥ARM架构的性能优势。

  3. Python 3.11环境:基于Python 3.11构建,这是目前Python的最新稳定版本之一,提供了更好的性能和语言特性支持。

  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. SageMaker兼容:专为Amazon SageMaker服务优化,可以无缝集成到SageMaker的机器学习工作流中。

包含的关键软件包

该容器镜像预装了丰富的软件包,方便开发者直接使用:

  • 深度学习框架:PyTorch 2.4.0(CPU版本)、TorchVision 0.19.0、TorchAudio 2.4.0
  • 模型服务工具:TorchServe 0.12.0和Torch Model Archiver 0.12.0,用于模型部署和服务
  • 数据处理库:NumPy 1.26.4、Pandas 2.2.3、OpenCV 4.10.0.84
  • 机器学习工具:scikit-learn 1.5.2、SciPy 1.14.1
  • 开发工具:Cython 3.0.11、Ninja 1.11.1.1构建系统
  • AWS集成:boto3 1.35.47、botocore 1.35.47、awscli 1.35.13

技术优势

使用这个专门为Graviton优化的PyTorch容器镜像,开发者可以获得以下优势:

  1. 成本效益:Graviton实例通常比同级别的x86实例价格更低,使用这个优化镜像可以进一步降低机器学习推理的成本。

  2. 性能优化:针对ARM架构的专门优化可以带来更好的性能表现,特别是在推理工作负载上。

  3. 开箱即用:预装了所有必要的依赖项和工具,开发者可以专注于模型开发和部署,而不需要花费时间在环境配置上。

  4. 生态系统兼容:与AWS SageMaker服务深度集成,可以轻松地将模型部署到生产环境。

  5. 安全稳定:基于Ubuntu 22.04 LTS,提供长期安全更新支持,确保生产环境的稳定性。

适用场景

这个PyTorch Graviton推理容器特别适合以下应用场景:

  1. 大规模推理服务:需要高效、低成本运行大量推理请求的生产环境。

  2. 边缘计算:结合AWS Outposts或边缘服务,在靠近数据源的位置进行推理。

  3. 成本敏感型项目:预算有限但需要可靠机器学习服务的应用场景。

  4. ARM原生开发:为ARM架构开发和优化机器学习模型的工作流程。

  5. SageMaker模型部署:在Amazon SageMaker服务中部署PyTorch模型。

AWS Deep Learning Containers的持续更新反映了AWS对机器学习基础设施的重视,这个针对Graviton优化的PyTorch容器版本为开发者提供了更多架构选择和性能优化可能,是构建高效、经济机器学习解决方案的重要工具。

登录后查看全文
热门项目推荐