AWS Deep Learning Containers发布PyTorch Graviton EC2推理镜像v1.34

AWS Deep Learning Containers(DLC)是亚马逊云科技提供的预配置深度学习容器镜像，它集成了主流深度学习框架、依赖库和工具，让开发者能够快速部署深度学习工作负载而无需手动配置环境。这些容器镜像经过AWS优化，可在云环境中提供高性能的深度学习体验。

近日，AWS发布了PyTorch框架的Graviton处理器专用EC2推理镜像新版本v1.34。该版本基于PyTorch 2.3.0构建，专为运行在AWS Graviton处理器上的EC2实例优化，适用于模型推理场景。

镜像技术细节

本次发布的镜像基于Ubuntu 20.04操作系统，预装了Python 3.11环境，主要包含以下关键组件：

• PyTorch 2.3.0 + CPU版本
• TorchVision 0.18.0
• TorchAudio 2.3.0
• TorchServe 0.11.0模型服务框架
• Torch Model Archiver 0.11.0模型打包工具

镜像中还包含了常用的数据处理和科学计算库，如NumPy 1.26.4、SciPy 1.14.0、OpenCV 4.10.0等，为计算机视觉等AI应用提供了完整的工具链。

环境配置与优化

该镜像针对Graviton处理器(ARM架构)进行了专门优化，包含了必要的ARM64架构依赖库：

• GCC编译器相关库(10和9版本)
• C++标准库(10和9版本)
• 基础系统工具

这些优化确保了PyTorch在Graviton处理器上能够充分发挥性能优势。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，在性价比和能效比方面具有优势。

适用场景

这个预构建的容器镜像特别适合以下场景：

1. 需要在Graviton处理器EC2实例上部署PyTorch模型推理服务
2. 希望快速搭建PyTorch推理环境而无需手动安装配置
3. 需要标准化的模型服务环境，便于大规模部署
4. 计算机视觉类AI应用的推理服务部署

通过使用这个预构建的容器镜像，开发者可以节省大量环境配置时间，直接专注于模型部署和推理服务的开发工作。同时，AWS的优化确保了服务运行的性能和稳定性。

总结

AWS持续更新其Deep Learning Containers，为开发者提供最新的深度学习框架版本和优化配置。这次发布的PyTorch Graviton专用推理镜像，体现了AWS对ARM架构生态的支持，为开发者提供了更多样化的部署选择。对于已经在使用或计划迁移到Graviton处理器的PyTorch用户，这个镜像将是一个理想的基础环境。