本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# AWS 深度学习 AMI GPU TensorFlow 2.16 (亚马逊 Linux 2)
<a name="aws-deep-learning-ami-gpu-tensorflow-2.16-amazon-linux-2"></a>

有关入门帮助，请参阅 [DLAMI 入门](getting-started.md)。

#### AMI 名称格式
<a name="name-gpu-tensorflow-2.16-amazon-linux-2"></a>
+ 深度学习专有 Nvidia 驱动程序 AMI GPU TensorFlow 2.16 (亚马逊 Linux 2) $ {YYYY-MM-DD}
+ 深度学习 OSS Nvidia Driver AMI GPU TensorFlow 2.16 (亚马逊 Linux 2) $ {YYYY-MM-DD}

#### 支持的 EC2 实例
<a name="instances-gpu-tensorflow-2.16-amazon-linux-2"></a>
+ 请参阅 [DLAMI 的重要更改](important-changes.md)。
+ 采用 OSS Nvidia Driver 的 Deep Learning 支持 G4dn、G5、G6、Gr6、G6e、P4d、P4de、P5、P5e、P5en。
+ 采用 Proprietary Nvidia Driver 的 Deep Learning 支持 G3（不支持 G3.16x）、P3、P3dn

#### 该 AMI 包含以下内容：
<a name="contents-gpu-tensorflow-2.16-amazon-linux-2"></a>
+ **支持的 AWS 服务**：EC2
+ **操作系统**：Amazon Linux 2
+ **计算架构**：x86
+ **Python**：/opt/tensorflow/bin/python3.10
+ **TensorFlow 版本**：2.16
+ **NVIDIA Driver**：
  + OSS Nvidia Driver：550.144.03
  + Proprietary Nvidia Driver：550.144.03
+ **英伟达 CUDA12 堆栈**：
  + CUDA、NCCL 和 cudDN 安装路径：/-12.2/ usr/local/cuda
+ **EFA 安装程序：**1.34.0
+ **AWS CLI v2 是** **aws2，v1 是 aws AWS CLI **
+ **EBS 卷类型**：gp3
+ **使用 SSM 参数查询 AMI-ID（示例区域为 us-east-1）**：
  + **OSS Nvidia Driver**：

    ```
    aws ssm get-parameter --name /aws/service/deeplearning/ami/x86_64/oss-nvidia-driver-gpu-tensorflow-2.16-amazon-linux-2/latest/ami-id --region us-east-1 --query "Parameter.Value" --output text
    ```
  + **Proprietary Nvidia Driver：**

    ```
    aws ssm get-parameter --name /aws/service/deeplearning/ami/x86_64/proprietary-nvidia-driver-gpu-tensorflow-2.16-amazon-linux-2/latest/ami-id --region us-east-1 --query "Parameter.Value" --output text
    ```
+ **使用以下方式查询 AMI-ID AWSCLI （示例区域为 us-east-1**）：
  + **OSS Nvidia Driver：**

    ```
    aws ec2 describe-images --region us-east-1 --owners amazon --filters 'Name=name,Values=Deep Learning OSS Nvidia Driver AMI GPU TensorFlow 2.16 (Amazon Linux 2) ????????' 'Name=state,Values=available' --query 'reverse(sort_by(Images, &CreationDate))[:1].ImageId' --output text
    ```
  + **roprietary Nvidia Driver**：

    ```
    aws ec2 describe-images --region us-east-1 --owners amazon --filters 'Name=name,Values=Deep Learning Proprietary Nvidia Driver AMI GPU TensorFlow 2.16 (Amazon Linux 2) ????????' 'Name=state,Values=available' --query 'reverse(sort_by(Images, &CreationDate))[:1].ImageId' --output text
    ```

#### Notice
<a name="notices-gpu-tensorflow-2.16-amazon-linux-2"></a>

##### NVIDIA Container Toolkit 1.17.4
<a name="nvidia-container-toolkit-gpu-tensorflow-2.16-amazon-linux-2"></a>

在 Container Toolkit 版本 1.17.4 中，现在禁用挂载 CUDA 兼容性库。[为了确保与容器工作流程中的多个 CUDA 版本兼容，请确保更新您的 LD\_LIBRARY\_PATH 以包含您的 CUDA 兼容性库，如此处 “如果您使用 CUDA 兼容层” 教程下所示-gpu-drivers.html\# https://docs.aws.amazon.com/sagemaker/ latest/dg/inference collapsible-cuda-compat](https://docs.aws.amazon.com/sagemaker/latest/dg/inference-gpu-drivers.html#collapsible-cuda-compat)

##### 未来的 TensorFlow 操作系统更新
<a name="future-os-updates-gpu-tensorflow-2.16-amazon-linux-2"></a>

TensorFlow 2.16 将是最后一款使用 Ubuntu 20.04 操作系统的 DLAMI。从 TensorFlow 2.17及以上版本开始， DLAMIs 将开始使用Ubuntu 22.04作为基本操作系统。对于计划升级到这些新版本的客户，请确保您的工作流已为此升级做好准备。

##### Keras 版本固定为 2.0 而不是 3.0
<a name="keras-version-gpu-tensorflow-2.16-amazon-linux-2"></a>

在最新的 TF2 .16 版本中，Keras 已从主版本 2 升级到主版本 3.0。此 Keras 版本是对 Keras 包的完全重写（有关更多信息，请参阅 [Keras 3 文档](https://keras.io/keras_3/)）。为了确保与客户工作流保持兼容，我们使用环境变量 TF\_USE\_LEGACY\_KERAS=1 将 Keras 版本固定为 2.0。如果您的工作流程需要使用 Keras 3.0，请使用以下脚本从您的 TensorFlow 虚拟环境 /opt/tensorflow 中移除此环境变量：

```
source /opt/tensorflow/bin/activate
unset TF_USE_LEGACY_KERAS
```

#### 发布日期：2025-02-17
<a name="2025-02-17-gpu-tensorflow-2.16-amazon-linux-2"></a>

**AMI 名称：**
+ 深度学习 OSS Nvidia Driver AMI GPU TensorFlow 2.16（亚马逊 Linux 2）20250215
+ 深度学习专有 Nvidia 驱动程序 AMI GPU TensorFlow 2.16（亚马逊 Linux 2）20250215

##### 已更新
<a name="w2aac25c13b9c11c13b7"></a>
+ NVIDIA Container Toolkit 版本从 1.17.3 更新为 1.17.4
  + 有关更多信息，请参阅此处的发行说明页面：[https://github.com/NVIDIA/nvidia-container-toolkit/releases/tag/v1.17.](https://github.com/NVIDIA/nvidia-container-toolkit/releases/tag/v1.17.4) 4
  + 在 Container Toolkit 版本 1.17.4 中，现在禁用挂载 CUDA 兼容性库。[为了确保与容器工作流程中的多个 CUDA 版本兼容，请确保更新您的 LD\_LIBRARY\_PATH 以包含您的 CUDA 兼容性库，如此处 “如果您使用 CUDA 兼容层” 教程下所示-gpu-drivers.html\# https://docs.aws.amazon.com/sagemaker/ latest/dg/inference collapsible-cuda-compat](https://docs.aws.amazon.com/sagemaker/latest/dg/inference-gpu-drivers.html#collapsible-cuda-compat)

##### 已删除
<a name="w2aac25c13b9c11c13b9"></a>
+ 删除了 [NVIDIA CUDA Toolkit](https://docs.nvidia.com/cuda/) 提供的用户空间库 cuobj 和 nvdisasm，以解决 [2025 年 2 月 18 日版 NVIDIA CUDA Toolkit 安全公告](https://nvidia.custhelp.com/app/answers/detail/a_id/5594)中披露的 CVE 漏洞

#### 发布日期：2025-01-20
<a name="2025-01-20-gpu-tensorflow-2.16-amazon-linux-2"></a>

**AMI 名称：**
+ 深度学习 OSS Nvidia Driver AMI GPU TensorFlow 2.16（亚马逊 Linux 2）20250120
+ 深度学习专有 Nvidia 驱动程序 AMI GPU TensorFlow 2.16（亚马逊 Linux 2）20250118

##### 已更新
<a name="w2aac25c13b9c11c15b7"></a>
+ Nvidia 驱动程序版本从 550.127.05 升级到 550.144.03，以解决 [2025 年 1 月版 NVIDIA GPU 显示器驱动程序安全公告](https://nvidia.custhelp.com/app/answers/detail/a_id/5614)中披露的 CVE 漏洞

#### 发布日期：2024-10-23
<a name="2024-10-23-gpu-tensorflow-2.16-amazon-linux-2"></a>

**AMI 名称：**
+ 深度学习 OSS Nvidia Driver AMI GPU TensorFlow 2.16（亚马逊 Linux 2）20241022
+ 深度学习专有 Nvidia 驱动程序 AMI GPU TensorFlow 2.16（亚马逊 Linux 2）20241023

##### 已更新
<a name="w2aac25c13b9c11c17b7"></a>
+ Nvidia 驱动程序版本从 550.90.07 升级到 550.127.05，以解决 [2024 年 10 月版 NVIDIA GPU 显示器安全公告](https://nvidia.custhelp.com/app/answers/detail/a_id/5586)中披露的 CVE 漏洞

#### 发布日期：2024-09-28
<a name="2024-09-28-gpu-tensorflow-2.16-amazon-linux-2"></a>

**AMI 名称：**
+ 深度学习 OSS Nvidia Driver AMI GPU TensorFlow 2.16（亚马逊 Linux 2）20240928
+ 深度学习专有 Nvidia 驱动程序 AMI GPU TensorFlow 2.16（亚马逊 Linux 2）20240928

##### 已更新
<a name="w2aac25c13b9c11c19b7"></a>
+ Nvidia Container Toolkit 版本从 1.16.1 升级到 1.16.2，旨在解决安全漏洞 [CVE-2024-0133](https://nvd.nist.gov/vuln/detail/CVE-2024-0133)。

#### 发布日期：2024-09-21
<a name="2024-09-21-gpu-tensorflow-2.16-amazon-linux-2"></a>

**AMI 名称：**
+ 深度学习 OSS Nvidia Driver AMI GPU TensorFlow 2.16（亚马逊 Linux 2）20240921
+ 深度学习专有 Nvidia 驱动程序 AMI GPU TensorFlow 2.16（亚马逊 Linux 2）20240921

##### 已更新
<a name="w2aac25c13b9c11c21b7"></a>
+ Nvidia 驱动程序和 Fabric Manager 版本从 535.183.01 升级到 550.90.07
+ EFA 版本从 1.32.0 升级到 1.34.0
+ 将 PyTorch 版本从版本 2.3.0 更新到 2.3.1

##### 新增了
<a name="w2aac25c13b9c11c21b9"></a>
+ 在 OSS Nvidia Driver 映像上增加了对 P5e EC2 实例的支持。

#### 发布日期：2024-08-19
<a name="2024-08-19-gpu-tensorflow-2.16-amazon-linux-2"></a>

**AMI 名称：**
+ 深度学习 OSS Nvidia Driver AMI GPU TensorFlow 2.16（亚马逊 Linux 2）20240817

##### 新增了
<a name="w2aac25c13b9c11c23b7"></a>
+ 增加了对 [G6e EC2 实例](https://aws.amazon.com/ec2/instance-types/g6e/)的支持。

#### 版本 2.16.2 - 发布日期：2024-07-26
<a name="2024-07-26-gpu-tensorflow-2.16-amazon-linux-2"></a>

**AMI 名称：**
+ 深度学习 OSS Nvidia Driver AMI GPU TensorFlow 2.16（亚马逊 Linux 2）20240725

##### 已更新
<a name="w2aac25c13b9c11c25b7"></a>
+ 将 TensorFlow 补丁版本从版本 2.16.1 更新到 2.16.2
+ 已解决 2024-0 TensorFlow 7-17 发布的 DLAMI 中次要版本不正确的问题
  + 深度学习 OSS Nvidia Driver AMI GPU TensorFlow 2.16（亚马逊 Linux 2）20240717 版本无意中包含 TensorFlow 次要版本 2.17 而不是 2.16。请确保依赖于 TensorFlow 2.16 的工作流程正在升级到最新的 DLAMI。

#### 版本 2.16.1 - 发布日期：2024-06-10
<a name="2024-06-10-gpu-tensorflow-2.16-amazon-linux-2"></a>

**AMI 名称：**
+ 深度学习 OSS Nvidia Driver AMI GPU TensorFlow 2.16（亚马逊 Linux 2）20240607
+ 深度学习专有 Nvidia 驱动程序 AMI GPU TensorFlow 2.16（亚马逊 Linux 2）20240610

##### 已更新
<a name="w2aac25c13b9c11c27b7"></a>
+ Nvidia 驱动程序版本从 535.183.01 更新为 535.161.08

#### 发布日期：2024-05-10
<a name="2024-05-10-gpu-tensorflow-2.16-amazon-linux-2"></a>

请参阅 [DLAMI 的重要更改](important-changes.md)

**AMI 名称：**
+ 深度学习专有 Nvidia 驱动程序 AMI GPU TensorFlow 2.16（亚马逊 Linux 2）20240510
+ 深度学习 OSS Nvidia Driver AMI GPU TensorFlow 2.16（亚马逊 Linux 2）20240510

##### 新增了
<a name="w2aac25c13b9c11c29b9"></a>
+ 以下系列的初始版本：
  + 深度学习专有 Nvidia 驱动程序 AMI GPU TensorFlow 2.16（亚马逊 Linux 2）系列。
  + 深度学习 OSS Nvidia 驱动程序 AMI GPU TensorFlow 2.16（亚马逊 Linux 2）系列。
  + 软件包括以下内容：
    + "nvidia-driver=535.161.08"
    + "fabric-manager=535.161.08"
    + "cuda=12.3"
    + "cudnn=8.9.7"
    + "efa=1.32.0"
    + "nccl=2.21.5"
    + “aws-nccl-ofi-plugin=v1.9.1-aws”
+ 添加了 tensorflow 虚拟环境（激活命令源/opt/tensorflow/bin/activate）。该环境包括以下内容：
  + "tensorflow=2.16.1"
  + **注意**
    + 从 TF2 .16 开始，移除了 tf.estimator API。
      + 要继续使用 tf.estimator，需要使用 TF 2.15 或更早的版本。有关更多信息，请参阅 [TensorFlow 2.16.1 发行说明](https://github.com/tensorflow/tensorflow/releases/tag/v2.16.1)
    + 为了确保与客户工作流保持兼容，我们使用环境变量 TF\_USE\_LEGACY\_KERAS=1 将 Keras 版本固定为 2.0。如果您的工作流程需要使用 Keras 3.0，请使用以下脚本从您的 TensorFlow 虚拟环境 /opt/tensorflow 中移除此环境变量：

```
source /opt/tensorflow/bin/activate
unset TF_USE_LEGACY_KERAS
```