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。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00