기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

DLAMI 지원 정책

여기에서 AWS Deep Learning AMIs (DLAMI)에 대한 지원 정책의 세부 정보를 확인할 수 있습니다.

AWS 현재에서 지원하는 DLAMI 프레임워크 및 운영 체제 목록은 DLAMI 지원 정책 페이지를 참조하세요. 다음 용어는 지원 정책 페이지 및 이 페이지에 언급된 모든 DLAMI에 적용됩니다.

특정 DLAMI에 대한 자세한 내용은 Deep Learning AMI 릴리스 정보 섹션을 참조하세요.

DLAMI 지원 FAQ

어떤 프레임워크 버전에 보안 패치가 적용되나요?

AWS Deep Learning AMIs 지원 정책 표에서 프레임워크 버전이 지원되는 프레임워크 버전에 있으면 보안 패치가 적용됩니다.

어떤 운영 체제에 보안 패치가 적용되나요?

운영 체제가 AWS Deep Learning AMIs 지원 정책 표의 지원되는 운영 체제 버전에 나열되어 있으면 보안 패치가 적용됩니다.

새 프레임워크 버전이 릴리스되면 어떤 이미지가 AWS 게시됩니까?

TensorFlow와 PyTorch의 새 버전이 출시된 직후 새로운 DLAMI를 게시합니다. 여기에는 프레임워크의 메이저 버전, 메이저 마이너 버전, 메이저 마이너 패치 버전이 포함됩니다. 또한 새 버전의 드라이버와 라이브러리가 출시되면 이미지도 업데이트됩니다. 이미지 유지 관리에 대한 자세한 내용은 내 프레임워크 버전에 대한 능동 지원은 언제 종료되나요? 섹션을 참조하세요.

새로운 SageMaker AI/AWS 기능을 가져오는 이미지는 무엇입니까?

새로운 기능은 일반적으로 PyTorch와 TensorFlow용 DLAMIS의 최신 버전에서 릴리스됩니다. 새로운 SageMaker AI 또는 AWS 기능에 대한 자세한 내용은 특정 이미지의 릴리스 정보를 참조하세요. 사용 가능한 DLAMI 목록은 DLAMI 릴리스 노트를 참조하세요. 이미지 유지 관리에 대한 자세한 내용은 내 프레임워크 버전에 대한 능동 지원은 언제 종료되나요? 섹션을 참조하세요.

지원되는 프레임워크 표에서 현재 버전을 어떻게 확인하나요?

AWS Deep Learning AMIs 지원 정책 테이블의 현재 버전은가 GitHub에서 AWS 사용할 수 있는 최신 프레임워크 버전을 나타냅니다. 각 최신 릴리스에는 DLAMI의 드라이버, 라이브러리 및 관련 패키지에 대한 업데이트가 포함됩니다. 이미지 유지 관리에 대한 자세한 내용은 내 프레임워크 버전에 대한 능동 지원은 언제 종료되나요? 섹션을 참조하세요.

지원되는 표에 없는 버전을 실행 중인 경우에는 어떻게 해야 하나요?

AWS Deep Learning AMIs 지원 정책 표에 없는 버전을 실행 중인 경우 가장 업데이트된 드라이버, 라이브러리 및 관련 패키지가 없을 수 있습니다. 최신 버전을 사용하려면 선택한 최신 DLAMI를 사용하여 사용 가능한 지원되는 프레임워크 또는 운영 체제 중 하나로 업그레이드하는 것이 좋습니다. 사용 가능한 DLAMI 목록은 DLAMI 릴리스 노트를 참조하세요.

DLAMI는 이전 패치 버전의 프레임워크 버전을 지원하나요?

아니요. AWS Deep Learning AMIs 지원 정책 표에 명시된 대로 최초 GitHub 릴리스로부터 365일 동안 릴리스된 각 프레임워크의 최신 메이저 버전의 최신 패치 버전을 지원합니다. 자세한 내용은 지원되는 표에 없는 버전을 실행 중인 경우에는 어떻게 해야 하나요? 섹션을 참조하세요.

지원되는 프레임워크 버전에 대해 최신 패치가 적용된 이미지를 찾으려면 어떻게 해야 하나요?

최신 프레임워크 버전에서 DLAMI를 사용하려면 AWS CLI 또는 SSM 파라미터를 사용하여 DLAMI ID를 검색하고 이를 사용하여 EC2 콘솔을 사용하여 DLAMI를 시작할 수 있습니다. AWS Deep Learning AMIs ID를 검색하는 샘플 AWS CLI 또는 SSM 파라미터 명령은 DLAMI 릴리스 정보 페이지 단일 프레임워크 DLAMI 릴리스 정보를 참조하세요. AWS Deep Learning AMIs 지원 정책 표에서 선택한 프레임워크 버전이 지원되는 프레임워크 버전에 나열되어 있어야 합니다.

새 이미지는 얼마나 자주 릴리스되나요?

업데이트된 패치 버전을 제공하는 것이 저희의 최우선 과제입니다. 따라서 패치가 적용된 이미지를 가능한 한 빨리 정기적으로 제작합니다. 새로 패치된 프레임워크 버전(예: TensorFlow 2.9 ~ TensorFlow 2.9.1)과 새로운 마이너 릴리스 버전(예: TensorFlow 2.9 ~ TensorFlow 2.10)을 모니터링하여 가능한 빠른 시일 내에 사용할 수 있게 최선을 다하고 있습니다. 기존 버전의 TensorFlow가 CUDA 새 버전과 함께 출시되면 CUDA 새 버전을 지원하는 TensorFlow 버전용 새 DLAMI가 릴리스됩니다.

워크로드가 실행되는 동안 인스턴스가 제대로 패치되나요?

아니요. DLAMI에 대한 패치 업데이트는 “실시간” 업데이트가 아닙니다.

새 EC2 인스턴스를 켜고 워크로드와 스크립트를 마이그레이션한 다음 이전 인스턴스를 꺼야 합니다.

Ubuntu 기반 DLAMIs 실행 중인 인스턴스에서 시스템 서비스를 다시 시작할 수 있는 Ubuntu 무인 업그레이드 메커니즘을 통해 운영 체제 보안 업데이트를 자동으로 설치합니다. 자세한 내용은 운영 체제 패키지가 실행 중인 인스턴스에서 자동으로 업데이트되고 시스템 서비스가 다시 시작될 수 있나요? 섹션을 참조하세요.

운영 체제 패키지가 실행 중인 인스턴스에서 자동으로 업데이트되고 시스템 서비스가 다시 시작될 수 있나요?

Ubuntu 기반 DLAMIs 표준 Ubuntu 무인 업그레이드 메커니즘을 활성화된 상태로 유지합니다. Ubuntu 무인 업그레이드 메커니즘은 실행 중인 인스턴스에 운영 체제 보안 업데이트를 주기적으로 다운로드하고 설치합니다. 패키지가 업그레이드된 후 운영 체제는 dbus 또는와 같이 업그레이드된 패키지에 의존하는 시스템 서비스(데몬)를 다시 시작할 수 있습니다ssh. 영향을 받는 시스템 서비스만 다시 시작됩니다. 인스턴스가 재부팅되지 않고 사용자 프로세스가 다시 시작되지 않으며 활성 SSH 세션의 연결이 해제되지 않습니다.

자동 업그레이드는 일반 운영 체제 패키지로 범위가 지정됩니다.

훈련 스크립트, 분산 시작 관리자 또는 Jupyter 커널과 같이 일반 사용자 프로세스로 실행되는 워크로드는 이러한 서비스 재시작에 의해 중단되지 않습니다. 그러나 워크로드를 시스템 서비스(예: 클러스터 에이전트 또는 데몬으로 실행되는 컨테이너 런타임)에서 소유하거나 감독하는 경우 해당 서비스를 다시 시작하면 워크로드가 중단될 수 있습니다. 작업이 실행되는 동안 환경에서 패키지를 변경하지 않거나 서비스를 다시 시작하지 않아도 되는 경우 인스턴스에서 무인 업그레이드를 비활성화할 수 있습니다.

sudo systemctl disable --now apt-daily.timer apt-daily-upgrade.timer
sudo sed -i 's/Unattended-Upgrade "1"/Unattended-Upgrade "0"/' /etc/apt/apt.conf.d/20auto-upgrades

무인 업그레이드를 비활성화하면 인스턴스가 더 이상 운영 체제 보안 패치를 받지 못합니다. 이 경우 패치를 유지하려면 최신 DLAMI에서 워크로드를 정기적으로 다시 시작하는 것이 좋습니다. 자세한 내용은 지원되는 프레임워크 버전에 대해 최신 패치가 적용된 이미지를 찾으려면 어떻게 해야 하나요? 섹션을 참조하세요.

Amazon Linux 2023 기반 DLAMIs 자동 패키지 업데이트를 활성화하지 않습니다. 이러한 이미지의 패키지는 직접 업데이트하거나 새 이미지를 시작할 때만 변경됩니다.

패치가 적용되거나 업데이트된 새 프레임워크 버전을 사용할 수 있게 되면 어떻게 해야 하나요?

DLAMI의 변경 사항에 대한 알림을 받으려면 관련 DLAMI 알림을 구독하세요. 새 업데이트에 대한 알림 수신을 참조하세요.

프레임워크 버전을 변경하지 않고도 종속성이 업데이트되나요?

종속성은 프레임워크 버전을 변경하지 않고 업데이트됩니다. 하지만 종속성 업데이트로 인해 비호환성이 발생하는 경우 다른 버전으로 이미지를 생성합니다. 업데이트된 종속성 정보는 DLAMI용 릴리스 노트를 확인하세요.

내 프레임워크 버전에 대한 능동 지원은 언제 종료되나요?

DLAMI 이미지는 변경이 불가능합니다. 생성된 후에는 변경되지 않습니다. 프레임워크 버전에 대한 능동 지원이 종료되는 이유는 크게 네 가지입니다.

프레임워크 버전(패치) 업그레이드

각 major.minor 프레임워크 버전(예: PyTorch 2.12)에 대해 별도의 DLAMI 변형을 유지합니다. 각 변형은 업데이트된 드라이버, 라이브러리 및 패키지와 함께 프레임워크의 사용 가능한 최신 패치 버전(major.minor.patch)을 포함하는 날짜가 지정된 새 이미지로 정기적으로 다시 릴리스됩니다. 변형에 대한 새 날짜 이미지가 릴리스되면 해당 변형에 대한 이전 이미지가 더 이상 활성 상태로 유지되지 않습니다. 각 변형에는 날짜가 지정된 릴리스를 나열하는 단일 릴리스 정보 페이지가 있습니다. 각 패치 버전에는 개별 릴리스 정보 페이지가 없습니다.

각 릴리스 날짜는 자체 AMI ID가 있는 새 이미지입니다.

AWS 보안(CVE) 패치

영향을 받는 변형에 대해 새로운 날짜의 DLAMI를 릴리스하여 일반적인 취약성 및 노출(CVEs)을 패치합니다. 기존 이미지는 수정하지 않습니다. 최신 보안 패치와 함께 이미지를 사용하고 있는지 확인하려면 변형에 대한 릴리스 정보 페이지의 SSM 파라미터 또는 AWS CLI 쿼리를 사용하여 최신 DLAMI를 검색합니다. 자세한 내용은 지원되는 프레임워크 버전에 대해 최신 패치가 적용된 이미지를 찾으려면 어떻게 해야 하나요? 섹션을 참조하세요.

각 major.minor 프레임워크 버전에 대해 별도의 DLAMI 변형을 유지하므로 프레임워크 버전 간에 프레임워크 보안 수정을 백포트하지 않습니다. 프레임워크 버전의 CVE를 더 높은 major.minor 버전으로만 수정할 수 있는 경우 영향을 받는 변형은 더 이상 보안 패치를 받지 않으므로 수정 사항이 포함된 프레임워크 버전이 있는 DLAMI로 마이그레이션하는 것이 좋습니다. 이러한 변형은 DLAMI 릴리스 정보 페이지에서 호출됩니다.

패치 종료일(에이징 아웃)

DLAMI는 GitHub 출시일로부터 365일 후에 패치 날짜가 종료됩니다.

다중 프레임워크 DLAMI의 경우 프레임워크 버전 중 하나가 업데이트되면 업데이트된 버전의 새 DLAMI가 필요합니다. 이전 프레임워크 버전의 DLAMI는 더 이상 활발하게 유지 관리되지 않습니다.

종속성 지원 종료

Python 3.6이 설치된 TensorFlow 2.7.0 DLAMI 이미지에서 워크로드를 실행하고 있고 해당 버전의 Python이 지원 종료로 표시된 경우 Python 3.6을 기반으로 하는 모든 DLAMI 이미지는 더 이상 활발하게 유지 관리되지 않습니다. 마찬가지로 Ubuntu 16.04와 같은 OS 버전이 지원 종료로 표시되면 Ubuntu 16.04에 종속된 모든 DLAMI 이미지는 더 이상 활발하게 유지 관리되지 않습니다.

더 이상 활발하게 유지 관리되지 않는 프레임워크 버전의 이미지도 패치가 적용되나요?

아니요. 더 이상 활발하게 관리되지 않는 이미지는 새 릴리스로 제공되지 않습니다.

이전 프레임워크 버전을 사용하고 싶습니다.

이전 프레임워크 버전에서 DLAMI를 사용하려면 DLAMI ID를 검색하고 이를 사용하여 EC2 콘솔을 사용하여 DLAMI를 시작하세요. AMI ID를 검색하는 AWS CLI 명령은 단일 프레임워크 DLAMI 릴리스 정보의 릴리스 정보 페이지를 참조하세요.

프레임워크 및 해당 버전의 지원 변경 사항을 최신 상태로 유지하고 싶습니다.

AWS Deep Learning AMIs 프레임워크 지원 정책 표, DLAMI 릴리스 노트를 사용하여 DLAMI 프레임워크 및 버전에 대한 최신 정보를 확인하세요.

Anaconda 리포지토리를 사용하려면 상용 라이선스가 필요한가요?

Anaconda는 특정 사용자를 위한 상용 라이선스 모델로 전환했습니다. 적극적으로 유지 관리되는 DLAMi는 Anaconda 채널에서 공개적으로 사용 가능한 오픈 소스 버전의 Conda(conda-forge) 로 마이그레이션되었습니다.