AWS Deep Learning Containers 发布 v1.8-djl-0.28.0-inf-lmi-10.0.0 版本

AWS Deep Learning Containers 是亚马逊云科技提供的一套预配置的深度学习容器镜像，旨在简化深度学习模型的训练和推理部署流程。这些容器镜像预先集成了主流深度学习框架、工具和依赖库，用户可以直接使用而无需花费大量时间配置环境。

本次发布的 v1.8-djl-0.28.0-inf-lmi-10.0.0 版本主要针对推理场景进行了优化，特别集成了 DJL（Deep Java Library）0.28.0 和 LMI（Large Model Inference）10.0.0 版本，支持 CUDA 12.4 计算架构。这个版本特别适合需要部署大型语言模型（LLM）进行推理的应用场景。

在深度学习框架支持方面，该版本预装了 PyTorch 2.3.0（CUDA 12.1 版本）和 TorchVision 0.18.0，为计算机视觉任务提供了强大的支持。同时，容器中还包含了 Transformers 4.41.1 和 Tokenizers 0.19.1 等自然语言处理相关的核心库，方便用户处理文本数据。

值得注意的是，该版本对 CUDA 生态系统的支持相当全面，包含了 CUDA 12.4 命令行工具、cuBLAS 12.4 库（含开发版本）、cuDNN 9（CUDA 12 版本）以及 NCCL 通信库。这些组件的预装确保了深度学习模型能够充分利用 GPU 的并行计算能力，获得最佳性能表现。

在数据处理方面，容器预装了 Datasets 2.19.1 和 Pandas 2.2.3 等常用数据处理库，方便用户进行数据预处理和分析。科学计算方面则包含了 NumPy 1.26.4 和 SciPy 1.14.1 等基础库，以及 scikit-learn 1.6.0 这样的机器学习工具包。

对于开发者而言，该容器还包含了构建工具如 Ninja 1.11.1.2 和 MPI4py 4.0.1，支持并行计算应用的开发。AWS 命令行工具 awscli 1.36.18 的预装则简化了与 AWS 云服务的交互过程。

这个版本的发布体现了 AWS 对深度学习推理场景的持续优化，特别是针对大型语言模型的部署需求。通过预装这些经过测试和优化的组件，开发者可以节省大量环境配置时间，专注于模型开发和业务逻辑实现。