Règle de compatibilité du framework conteneurs de deep learning

Conteneurs de deep learning publie des conteneurs et des images de machines virtuelles pour simplifier la configuration de vos charges de travail de machine learning (ML). Ces images contiennent le système d'exploitation, les frameworks de ML, les pilotes et d'autres bibliothèques. Nous publions régulièrement de nouvelles versions d'images pour inclure de nouveaux correctifs, des mises à jour de sécurité et des fonctionnalités. Chaque image fournie par les conteneurs de deep learning est compatible avec une version mineure spécifique d'un framework de ML.

Vous avez ainsi le temps de mettre à jour et de tester votre code lorsque vous passez d'une version de framework à une autre. Vous devez tester de manière approfondie vos jobs et modèles chaque fois que vous passez à une nouvelle version du framework, qu'il s'agisse d'une mise à jour majeure ou mineure.

Pour tous les services, abonnez-vous à la page Notes de version de Deep Learning Containers pour être informé des nouvelles versions de vos conteneurs, images et frameworks.

Pour obtenir la liste des versions de framework compatibles, consultez la section Choisir une image de conteneur.

Responsabilité partagée

La sécurisation de vos charges de travail sur des conteneurs de deep learning est une responsabilité partagée. Bien que conteneurs de deep learning publie régulièrement de nouvelles versions des images pour corriger les failles de sécurité, vous êtes responsable de tâches telles que:

  • Mettre à niveau manuellement vers la dernière version

  • Assurez-vous d'avoir correctement configuré vos services de manière à ce qu'ils utilisent la dernière version.

Pour en savoir plus, consultez la section Responsabilité partagée.

Règles de compatibilité pour les versions de framework

Pendant la période de compatibilité d'une version du framework de ML, nous publions régulièrement de nouvelles versions d'image. Les mises à jour peuvent inclure les éléments suivants :

  • Mises à jour de type correctif pour les frameworks compatibles. Par exemple, si nous prenons en charge TensorFlow 2.7 et TensorFlow versions 2.7.1 pour résoudre les bugs, nous publierons une nouvelle version d'image.

  • Mises à jour de sécurité pour les frameworks compatibles.

  • Mises à jour non destructives vers d'autres packages et logiciels installés sur l'image.

  • Mises à jour des dépendances qui ont atteint la fin de la période de compatibilité. Par exemple, si Python 3.7 est installé sur une image et que celle-ci atteint la date de fin de compatibilité, nous publions une nouvelle version de l'image. Si la modification de la dépendance peut être une modification destructive, nous mettons à jour Choisir une image de conteneur pour indiquer la modification de la dépendance.

Une fois publiée, une version d'image est immuable et ne change pas. Vous devez toujours utiliser la dernière version d'image, car les anciennes versions peuvent présenter des failles de sécurité ou d'autres bugs critiques.

Calendrier de la politique de compatibilité

Les périodes de compatibilité pour chaque version de framework suivent le calendrier suivant :

  • Date de fin de correctif et de compatibilité:après cette date, conteneurs de deep learning ne publiera plus de nouvelles versions d'image pour cette version du framework. Les ressources existantes qui ont été déployées sur conteneurs de deep learning continuent de fonctionner. Après cette date, nous vous recommandons de passer à une version de framework plus récente.

    Pour bénéficier d'une assistance de dépannage des conteneurs de deep learning, vous devrez peut-être passer à une version du framework comprise dans la période de compatibilité.

  • Date de fin de disponibilité : après cette date, vous ne pourrez plus utiliser d'images pour cette version du framework. Les services peuvent bloquer la création de ressources utilisant ces images, qui ne peuvent plus être téléchargées.

Étape suivante