Les conteneurs de deep learning publient 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 des conteneurs de deep learning est compatible avec une version mineure spécifique d'un framework de ML.
Cela vous laisse 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 des conteneurs de deep learning afin d'obtenir des annonces sur les nouvelles versions de vos conteneurs, images et frameworks.
Pour obtenir la liste des versions de framework compatibles, consultez Choisir une image de conteneur.
Responsabilité partagée
La sécurisation de vos charges de travail sur les conteneurs de deep learning est une responsabilité partagée. Bien que les conteneurs de deep learning publient régulièrement de nouvelles versions d'images pour corriger les failles de sécurité, vous êtes responsable des tâches suivantes:
Mise à niveau manuelle vers la dernière version.
Vous assurer que vous avez correctement configuré vos services pour qu'ils utilisent la dernière version.
Pour en savoir plus, consultez Responsabilité partagée.
Politique de compatibilité pour les versions de framework
Pendant la période d'assistance pour une version du framework de ML, nous publierons 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 le changement de dépendance peut être une modification destructive, nous mettons à jour l'option Choose a container image (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 prise en charge:après cette date, les conteneurs de deep learning ne publieront plus de nouvelles versions d'image pour cette version de framework. Les ressources existantes déployées dans des conteneurs de deep learning continuent de fonctionner. Après cette date, nous vous recommandons de passer à une version de framework plus récente.
Pour bénéficier de l'assistance au dépannage des conteneurs de deep learning, vous pouvez être invité à effectuer une mise à niveau vers une version du framework comprise dans la période spécifiée.
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 à l'aide de ces images, et celles-ci ne seront plus disponibles au téléchargement.
Étapes suivantes
- Consultez la liste des versions de framework compatibles.