AWS Deep Learning Containers发布TensorFlow推理镜像v1.22版本
AWS Deep Learning Containers(DLC)是亚马逊云科技提供的一套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。DLC镜像包含了流行的深度学习框架及其依赖项,使开发者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。
本次发布的v1.22版本主要针对TensorFlow推理场景,提供了两个重要的镜像更新:
CPU优化镜像
基于Ubuntu 20.04操作系统,该镜像集成了TensorFlow 2.18.0推理环境,支持Python 3.10。镜像中包含了TensorFlow Serving API 2.18.0,这是TensorFlow官方提供的用于生产环境部署的推理服务组件。
关键组件版本:
- TensorFlow Serving API: 2.18.0
- Protobuf: 4.25.5
- Cython: 0.29.37
- AWS CLI工具包: 1.37.4
该镜像特别优化了CPU环境下的推理性能,适合不需要GPU加速的推理场景,如一些轻量级模型或对延迟要求不高的应用。
GPU加速镜像
同样基于Ubuntu 20.04,这个镜像针对GPU加速推理进行了优化,支持CUDA 12.2和cuDNN 8。它包含了TensorFlow Serving API GPU版本2.18.0,能够充分利用NVIDIA GPU的并行计算能力。
关键组件版本:
- TensorFlow Serving API GPU: 2.18.0
- CUDA: 12.2
- cuDNN: 8
- NCCL库(用于多GPU通信)
这个镜像适合需要高性能推理的场景,如图像识别、自然语言处理等计算密集型任务。通过GPU加速,可以显著提高推理速度,降低延迟。
技术特点
-
环境一致性:两个镜像都基于相同的Ubuntu 20.04基础镜像,确保了开发和生产环境的一致性。
-
全面工具链:镜像中不仅包含TensorFlow运行时,还集成了完整的开发工具链,如Cython、Protobuf等,方便用户进行模型优化和调试。
-
AWS生态集成:预装了AWS CLI工具包(1.37.4版本)和Boto3(1.36.4版本),便于与AWS云服务无缝集成。
-
安全更新:所有系统包都更新到最新安全版本,包括GCC工具链(libgcc-9-dev)和标准库(libstdc++6)。
对于需要在AWS云上部署TensorFlow推理服务的开发者来说,这些预构建的DLC镜像可以大大简化部署流程,提高工作效率。用户可以直接使用这些镜像,而无需花费时间手动配置复杂的深度学习环境。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C0105
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00