Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Deep Learning Container veröffentlicht Container und VM-Images, um die Konfiguration Ihrer ML-Arbeitslasten zu vereinfachen. Diese Images enthalten das Betriebssystem, die ML-Frameworks, Treiber und andere Bibliotheken. Wir veröffentlichen regelmäßig neue Image-Versionen mit neuen Patches, Sicherheitsupdates und Features. Jedes von Deep Learning Container bereitgestellte Image unterstützt eine bestimmte Nebenversion eines ML-Frameworks.
Dadurch haben Sie Zeit, den Code zu aktualisieren und zu testen, wenn Sie von einer Framework-Version zu einer anderen wechseln. Testen Sie die Jobs und Modelle immer gründlich, nachdem Sie auf eine neue Framework-Version umgestellt haben, unabhängig davon, ob es sich um eine Haupt- oder Nebenversion handelt.
Abonnieren Sie für alle Dienste die Seite mit den Deep Learning Containers-Versionshinweisen, um Ankündigungen zu neuen Versionsreleases für Ihre Container, Images und Frameworks zu erhalten.
Die Sicherung Ihrer Arbeitslasten in Deep Learning Container ist eine geteilte Verantwortung. Obwohl Deep Learning Container regelmäßig neue Image-Versionen veröffentlicht, um Sicherheitslücken zu schließen, sind Sie für Aufgaben wie die folgenden verantwortlich:
Manuelles Upgrade auf die neueste Version.
Prüfen Sie, ob Sie Ihre Dienste ordnungsgemäß für die Verwendung der neuesten Version konfiguriert haben.
Während des unterstützten Zeitraums für eine ML-Framework-Version veröffentlichen wir regelmäßig neue Image-Versionen. Die Aktualisierungen können Folgendes enthalten:
Patchupdates für unterstützte Frameworks. Wenn wir beispielsweise TensorFlow 2.7 unterstützen und TensorFlow 2.7.1 veröffentlicht, um Fehler zu beheben, veröffentlichen wir eine neue Image-Version.
Sicherheitsupdates für unterstützte Frameworks.
Abwärtskompatible Aktualisierungen anderer Pakete und Software, die auf dem Image installiert sind.
Updates für Abhängigkeiten, die das Ende des Supports erreicht haben. Wenn beispielsweise für ein Image Python 3.7 installiert ist und das Enddatum des Supports erreicht hat, veröffentlichen wir eine neue Image-Version. Wenn die Änderung der Abhängigkeit eine abwärtskompatible Änderung ist, aktualisieren wir Container-Image auswählen, um die Änderung in der Abhängigkeit anzugeben.
Nach der Veröffentlichung ist eine Image-Version unveränderlich und bleibt unverändert. Sie sollten immer die neueste Image-Version verwenden, da ältere Versionen Sicherheitslücken oder andere kritische Fehler aufweisen können.
Zeitplan für Supportrichtlinien
Die Supportzeiträume für jede Framework-Version folgen diesem Zeitplan:
Ende des Patch- und Supportdatums:Nach diesem Datum werden für diese Framework-Version keine neuen Image-Versionen mehr für Deep Learning Container veröffentlicht. Vorhandene Ressourcen, die in Deep Learning Container bereitgestellt wurden, funktionieren weiterhin.
Nach diesem Datum empfehlen wir, zu einer neueren Framework-Version zu wechseln.
Um Support für die Fehlerbehebung von Deep Learning Container zu erhalten, werden Sie möglicherweise aufgefordert, ein Upgrade auf eine Framework-Version innerhalb des unterstützten Zeitraums durchzuführen.
Ende der Verfügbarkeit: Nach diesem Datum können Sie für diese Framework-Version keine Images mehr verwenden. Dienste können das Erstellen neuer Ressourcen mithilfe dieser Images blockieren. Die Images stehen dann nicht mehr zum Download zur Verfügung.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-09-04 (UTC)."],[[["\u003cp\u003eDeep Learning Containers offers pre-configured container and virtual machine images to streamline machine learning workload setup, including the OS, ML frameworks, drivers, and libraries.\u003c/p\u003e\n"],["\u003cp\u003eNew image versions are regularly released by Deep Learning Containers to provide patches, security updates, and new features, always supporting a specific minor version of an ML framework.\u003c/p\u003e\n"],["\u003cp\u003eUsers are responsible for manually upgrading to the latest image versions and ensuring their services are configured to use them, as securing workloads is a shared responsibility.\u003c/p\u003e\n"],["\u003cp\u003eDuring the supported period of an ML framework, Deep Learning Containers regularly updates images with patches, security updates, non-breaking package updates, and dependency upgrades.\u003c/p\u003e\n"],["\u003cp\u003eEach framework version has an end-of-patch and support date after which new image versions are no longer published, as well as an end-of-availability date when those images are no longer usable.\u003c/p\u003e\n"]]],[],null,["# Deep Learning Containers framework support policy\n\nDeep Learning Containers publishes containers and virtual machine images to simplify the\nconfiguration of your machine learning (ML) workloads. These images contain the\noperating system, the ML frameworks, drivers, and other libraries. We publish\nnew versions of images regularly to include new patches, security updates, and\nfeatures. Each image provided by Deep Learning Containers provides support for a\nspecific minor version of an ML framework.\n\nThis allows you time to update and test your code\nwhen moving from one framework version to another. You should always test your\njobs and models thoroughly when switching to a new framework version, regardless\nof whether it's a major or minor update.\n\nFor all services, subscribe to the [Deep Learning Containers release notes](/deep-learning-containers/docs/release-notes) page\nfor announcements about new version releases for your containers, images, and\nframeworks.\n\nFor the list of supported framework versions, see [Choose a container image](/deep-learning-containers/docs/choosing-container#deciding).\n\nShared responsibility\n---------------------\n\nSecuring your workloads on Deep Learning Containers is a shared responsibility. While\nDeep Learning Containers regularly publishes new versions of images to address\nsecurity vulnerabilities, you are responsible for tasks such as the following:\n\n- Manually upgrading to the latest version.\n\n- Ensuring that you properly configured your services to use the latest version.\n\nFor more information, see [Shared responsibility](/deep-learning-containers/docs/shared-responsibility).\n\nSupport policy for framework versions\n-------------------------------------\n\nDuring the supported period for an ML framework version, we will publish new\nimage versions regularly. The updates may include the following:\n\n- Patch updates for supported frameworks. For example, if we support\n TensorFlow 2.7, and TensorFlow releases 2.7.1 to address bugs, we will\n release a new image version.\n\n- Security updates for supported frameworks.\n\n- Non-breaking updates to other packages and software installed on the image.\n\n- Updates to dependencies that have reached end-of-support. For example, if an\n image has Python 3.7 installed and it reaches the end-of-support date, we\n will release a new image version. If the change in dependency may be a\n breaking change, we will update [Choose a container image](/deep-learning-containers/docs/choosing-container#deciding)\n to indicate the change in the dependency.\n\nOnce published, an image version is immutable and does not change. You should\nalways use the latest image version, as older versions may have security\nvulnerabilities or other critical bugs.\n\n### Support policy schedule\n\nSupport periods for each framework version follows this schedule:\n\n- **End-of-patch and support date:** After this date, Deep Learning Containers will no\n longer publish new image versions for that framework version. Existing\n resources that have been deployed to Deep Learning Containers continue to function.\n After this date, we recommend you plan to switch to a more recent framework\n version.\n\n To receive troubleshooting support from Deep Learning Containers, you may be asked\n to upgrade to a framework version that is within the supported time period.\n- **End-of-availability date:** After this date, you can no longer use images\n for this framework version. Services may block the creation of new resources\n using these images, and the images will no longer be available for download.\n\nWhat's next\n-----------\n\n- Review the [list of supported framework versions](/deep-learning-containers/docs/choosing-container#deciding)."]]
