AWS Deep Learning Containers 发布 PyTorch 2.3.0 推理容器镜像

AWS Deep Learning Containers (DLC) 是亚马逊云科技提供的一组预构建的深度学习容器镜像，这些镜像经过优化，可以在 AWS 云环境中高效运行。这些容器包含了流行的深度学习框架及其依赖项，使数据科学家和开发人员能够快速部署深度学习工作负载，而无需花费时间配置环境。

近日，AWS DLC 项目发布了 PyTorch 2.3.0 版本的推理容器镜像，支持 Python 3.11 运行环境。这些镜像针对 EC2 实例进行了专门优化，提供了 CPU 和 GPU 两种计算架构的版本。

镜像版本特性

本次发布的 PyTorch 推理容器镜像主要包含以下两个版本：

1. CPU 版本镜像：基于 Ubuntu 20.04 操作系统，包含了 PyTorch 2.3.0 的 CPU 版本，适用于不需要 GPU 加速的推理场景。该镜像预装了 torchaudio 2.3.0 和 torchvision 0.18.0，以及常用的数据处理库如 NumPy 1.26.4、Pillow 10.3.0 和 OpenCV 4.10.0。

2. GPU 版本镜像：同样基于 Ubuntu 20.04，但包含了针对 CUDA 12.1 优化的 PyTorch 2.3.0 GPU 版本。除了包含 CPU 版本的所有功能外，还预装了 CUDA 12.1 工具链和 cuDNN 8 库，能够充分利用 NVIDIA GPU 的并行计算能力。

关键软件包版本

两个版本的容器镜像都预装了完整的 PyTorch 生态系统工具：

• PyTorch 核心框架：2.3.0 版本
• TorchServe 模型服务框架：0.11.0 版本
• TorchModelArchiver 模型打包工具：0.11.0 版本
• TorchAudio 音频处理库：2.3.0 版本
• TorchVision 计算机视觉库：0.18.0 版本

此外，镜像中还包含了常用的 Python 数据处理和科学计算库：

• NumPy 1.26.4：基础数值计算库
• SciPy 1.13.1：科学计算工具集
• Pandas 2.2.2（仅 GPU 版本）：数据分析和处理工具
• OpenCV 4.10.0：计算机视觉库
• Pillow 10.3.0：图像处理库

系统级优化

这些容器镜像在系统层面进行了多项优化：

1. 编译器支持：包含了 GCC 9 和 libstdc++6 等基础编译工具链，确保代码能够高效编译运行。

2. 开发工具：预装了 Emacs 等开发工具，方便开发者在容器内直接进行代码编辑和调试。

3. AWS 集成：内置了 AWS CLI 1.33.4、Boto3 1.34.122 等 AWS 工具，便于与 AWS 服务集成。

4. 依赖管理：使用 pip 和 apt 双重包管理系统，确保 Python 和系统级依赖都能得到妥善管理。

使用场景

这些预构建的 PyTorch 推理容器镜像特别适合以下场景：

1. 模型部署：快速部署训练好的 PyTorch 模型到生产环境，无需担心环境配置问题。

2. 推理服务：构建高性能的模型推理服务，支持 REST API 或 gRPC 接口。

3. 批量推理：处理大批量的推理任务，充分利用 EC2 实例的计算资源。

4. 开发测试：为开发团队提供一致的开发环境，避免"在我机器上能运行"的问题。

总结

AWS Deep Learning Containers 提供的这些 PyTorch 推理镜像，为机器学习工程师和数据科学家提供了开箱即用的深度学习环境。通过使用这些经过优化的容器镜像，团队可以大幅减少环境配置时间，将更多精力投入到模型开发和业务逻辑实现上。特别是对于需要在 AWS EC2 上部署 PyTorch 模型的企业，这些预构建的容器镜像提供了可靠且高性能的解决方案。