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。

# 带 Conda 的深度学习 AMI
<a name="overview-conda"></a>

Conda DLAMI 使用 `conda` 虚拟环境，它们要么是多框架 DLAMI，要么是单一框架 DLAMI。这些环境配置为单独安装不同的框架，并简化框架之间的切换。这对了解和体验 DLAMI 必须提供的所有框架很有好处。大多数用户都会发现新的带 Conda 的深度学习 AMI 非常适合他们。

它们将经常使用框架中的最新版本进行更新，并拥有最新的 GPU 驱动程序和软件。在大多数文档中，它们通常被称为** AWS Deep Learning AMIs。这些 DLAMI 支持 Ubuntu 20.04、Ubuntu 22.04、Amazon Linux 2、Amazon Linux 2023 操作系统。操作系统支持取决于上游操作系统的支持。

## 稳定版本与候选版本
<a name="overview-conda-stability"></a>

Conda AMI 使用每个框架中最新正式版本的优化二进制文件。不会有候选版本和实验性功能。优化取决于框架对 Intel 的 MKL DNN 等加速技术的支持，这些技术可加快在 C5 和 C4 CPU 实例类型上的训练和推理速度。二进制文件也将被编译以支持高级 Intel 指令集，包括但不限于 AVX、AVX-2、SSE4.1 和 SSE4.2。这些指令将加快 Intel CPU 架构上向量和浮点运算的速度。此外，对于 GPU 实例类型，使用最新官方版本支持的任何版本来更新 CUDA 和 cuDNN。

带 Conda 的深度学习 AMI 会在框架首次激活时自动为您的 Amazon EC2 实例安装框架的最优化版本。有关更多信息，请参阅[使用带 Conda 的深度学习 AMI](tutorial-conda.md)。

如果要使用自定义或优化的版本选项从源安装，[深度学习基础 AMI](overview-base.md) 可能是您更好的选择。

## Python 2 弃用
<a name="overview-conda-python2"></a>

Python 开源社区已于 2020 年 1 月 1 日正式结束对 Python 2 的支持。TensorFlow 和 PyTorch 社区已经宣布：TensorFlow 2.1 和 PyTorch 1.4 版本是支持 Python 2 的最后版本。包含 Python 2 Conda 环境的 DLAMI 先前版本（v26、v25 等）继续可用。但是，只有在开源社区针对先前发布的 DLAMI 版本发布了安全修补程序时，我们才会在这些版本上提供关于 Python 2 Conda 环境的更新。包含最新版本 TensorFlow 和 PyTorch 框架的 DLAMI 版本不包含 Python 2 Conda 环境。

## CUDA 支持
<a name="overview-conda-cuda"></a>

具体 CUDA 版本号可以在 [GPU DLAMI 发布说明](https://docs.aws.amazon.com/dlami/latest/devguide/appendix-ami-release-notes.html#appendix-ami-release-notes-gpu)中找到。

**后续步骤**  
[DLAMI 架构选项](overview-architecture.md)

## 相关主题
<a name="conda-related"></a>
+ 有关使用带 Conda 的深度学习 AMI 的教程，请参阅 [使用带 Conda 的深度学习 AMI](tutorial-conda.md) 教程。