本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 使用 Conda 的深度學習 AMI
<a name="overview-conda"></a>

Conda DLAMI 使用`conda`虛擬環境，它們具有多重架構或單一架構 DLAMIs。這些環境設定為將不同的架構安裝分開，並簡化架構之間的切換。這非常適合學習和實驗 DLAMI 提供的所有架構。大多數使用者發現新的 Deep Learning AMI with Conda 非常適合他們。

它們通常會使用架構的最新版本進行更新，並具有最新的 GPU 驅動程式和軟體。它們通常在大多數文件中稱為 ** AWS 深度學習 AMIs 。這些 DLAMIs支援 Ubuntu 20.04、Ubuntu 22.04、Amazon Linux 2、Amazon Linux 2023 作業系統。作業系統支援取決於上游作業系統的支援。

## 穩定與發行候選
<a name="overview-conda-stability"></a>

Conda AMI 使用每個架構最新正式版本的最佳化二進位程式碼。不預期使用版本候選項目和實驗性功能。最佳化取決於架構對加速技術的支援，例如 Intel 的 MKL DNN，可加速 C5 和 C4 CPU 執行個體類型的訓練和推論。二進位檔也會編譯為支援進階 Intel 指令集，包括但不限於 AVX、AVX-2, SSE4.1 和 SSE4.2。這些項目可加速 Intel CPU 架構上的向量和浮點操作。此外，對於 GPU 執行個體類型，CUDA 和 cuDNN 會以最新官方版本支援的任何版本進行更新。

搭配 Conda 的深度學習 AMI 會在架構第一次啟用時，自動為您的 Amazon EC2 執行個體安裝架構的最最佳化版本。如需詳細資訊，請參閱 [搭配 Conda 使用深度學習 AMI](tutorial-conda.md)。

如果您想要從來源安裝 ，請使用自訂或最佳化建置選項，則 [深度學習基礎 AMI](overview-base.md)可能是更好的選項。

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

Python 開放原始碼社群已於 2020 年 1 月 1 日正式終止支援 Python 2。TensorFlow 和 PyTorch 社群已宣布 TensorFlow 2.1 和 PyTorch 1.4 版本是支援 Python 2 的最後一個版本。包含 Python 2 Conda 環境的先前 DLAMI 版本 (v26、v25 等） 會繼續提供。不過，只有在開放原始碼社群針對先前發佈的 DLAMI 版本發佈安全性修正時，我們才會提供 Python 2 Conda 環境的更新。具有最新版本 TensorFlow 和 PyTorch 架構的 DLAMI 版本不包含 Python 2 Conda 環境。

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

您可以在 [GPU DLAMI 版本備註](https://docs.aws.amazon.com/dlami/latest/devguide/appendix-ami-release-notes.html#appendix-ami-release-notes-gpu)中找到特定的 CUDA 版本編號。

**接下來**  
[DLAMI 架構選項](overview-architecture.md)

## 相關主題
<a name="conda-related"></a>
+ 如需搭配 Conda 使用深度學習 AMI 的教學課程，請參閱教學[搭配 Conda 使用深度學習 AMI](tutorial-conda.md)課程。