modelarts支持哪些ai框架？-九游平台
modelarts的开发环境notebook、训练作业、模型推理（即ai应用管理和部署上线）支持的ai框架及其版本，不同模块的呈现方式存在细微差异，各模块支持的ai框架请参见如下描述。
统一镜像列表
modelarts提供了arm ascend规格的统一镜像，包括mindspore、pytorch。适用于开发环境，模型训练，服务部署，请参考统一镜像列表。表1、表2所示镜像仅发布在西南-贵阳一区域。
预置镜像 |
适配芯片 |
适用范围 |
|---|---|---|
mindspore_2.2.0-cann_7.0.1-py_3.9-euler_2.10.7-aarch64-snt9b |
ascend snt9b |
notebook、训练、推理部署 |
mindspore_2.1.0-cann_6.3.2-py_3.7-euler_2.10.7-aarch64-snt9b |
ascend snt9b |
notebook、训练、推理部署 |
mindspore_2.2.10-cann_7.0.0-py_3.9-hce_2.0.2312-aarch64-snt9b |
ascend snt9b |
notebook、训练、推理部署 |
预置镜像 |
适配芯片 |
适用范围 |
|---|---|---|
pytorch_1.11.0-cann_6.3.2-py_3.7-euler_2.10.7-aarch64-snt9b |
ascend snt9b |
notebook、训练、推理部署 |
pytorch_2.1.0-cann_7.0.0-py_3.9-hce_2.0.2312-aarch64-snt9b |
ascend snt9b |
notebook、训练、推理部署 |
pytorch_1.11.0-cann_7.0.0-py_3.9-hce_2.0.2312-aarch64-snt9b |
ascend snt9b |
notebook、训练、推理部署 |
开发环境notebook
开发环境的notebook，根据不同的工作环境，对应支持的镜像和版本有所不同。
镜像名称 |
镜像描述 |
适配芯片 |
支持ssh远程开发访问 |
支持在线jupyterlab访问 |
|---|---|---|---|---|
pytorch1.8-cuda10.2-cudnn7-ubuntu18.04 |
cpu、gpu通用算法开发和训练基础镜像，预置ai引擎pytorch1.8 |
cpu/gpu |
是 |
是 |
mindspore1.7.0-cuda10.1-py3.7-ubuntu18.04 |
cpu and gpu general algorithm development and training, preconfigured with ai engine mindspore1.7.0 and cuda 10.1 |
cpu/gpu |
是 |
是 |
mindspore1.7.0-py3.7-ubuntu18.04 |
cpu general algorithm development and training, preconfigured with ai engine mindspore1.7.0 |
cpu |
是 |
是 |
pytorch1.10-cuda10.2-cudnn7-ubuntu18.04 |
cpu and gpu general algorithm development and training, preconfigured with ai engine pytorch1.10 and cuda10.2 |
cpu/gpu |
是 |
是 |
tensorflow2.1-cuda10.1-cudnn7-ubuntu18.04 |
cpu、gpu通用算法开发和训练基础镜像，预置ai引擎tensorflow2.1 |
cpu/gpu |
是 |
是 |
tensorflow1.13-cuda10.0-cudnn7-ubuntu18.04 |
gpu通用算法开发和训练基础镜像，预置ai引擎tensorflow1.13.1 |
gpu |
是 |
是 |
conda3-ubuntu18.04 |
clean user customized base image only include conda |
cpu |
是 |
是 |
pytorch1.4-cuda10.1-cudnn7-ubuntu18.04 |
cpu、gpu通用算法开发和训练基础镜像，预置ai引擎pytorch1.4 |
cpu/gpu |
是 |
是 |
conda3-cuda10.2-cudnn7-ubuntu18.04 |
clean user customized base image include cuda10.2, conda |
cpu |
是 |
是 |
tensorflow1.15-mindspore1.7.0-cann5.1.0-euler2.8-aarch64 |
ascend arm算法开发和训练基础镜像，ai引擎预置tensorflow和mindspore |
ascend |
是 |
是 |
modelbox1.3.0-tensorrt7.1.3-cuda10.2-cudnn8-euler2.9.6 |
ai应用开发基础镜像，预置ai应用编排引擎modelbox、ai引擎tensorrt，仅支持ssh连接 |
gpu |
是 |
否 |
modelbox1.3.0-libtorch1.9.1-cuda10.2-cudnn8-euler2.9.6 |
ai应用开发基础镜像，预置ai应用编排引擎modelbox、ai引擎libtorch，仅支持ssh连接 |
gpu |
是 |
否 |
spark2.4.5-ubuntu18.04 |
cpu algorithm development and training, prebuilt pyspark 2.4.5 and is able to attach to preconfigured spark cluster including mrs and dli. |
cpu |
否 |
是 |
mlstudio-pyspark2.3.2-ubuntu16.04 |
cpu算法开发和训练基础镜像，包含可以图形化机器学习算法开发和调测mlstudio工具，并预置pyspark2.3.2 |
cpu |
否 |
是 |
mindspore_1.10.0-cann_6.0.1-py_3.7-euler_2.8.3 |
ascend arm algorithm development and training. mindspore is preset in the ai engine. |
ascend |
是 |
是 |
mindspore_1.9.0-cann_6.0.0-py_3.7-euler_2.8.3 |
ascend arm algorithm development and training. mindspore is preset in the ai engine. |
ascend |
是 |
是 |
mindspore1.7.0-cann5.1.0-py3.7-euler2.8.3 |
ascend arm算法开发和训练基础镜像，ai引擎预置mindspore |
ascend |
是 |
是 |
tensorflow1.15-cann5.1.0-py3.7-euler2.8.3 |
ascend arm算法开发和训练基础镜像，ai引擎预置tensorflow |
ascend |
是 |
是 |
mlstudio-pyspark2.4.5-ubuntu18.04 |
cpu算法开发和训练基础镜像，包含可以图形化机器学习算法开发和调测mlstudio工具，并预置pyspark2.4.5 |
cpu |
否 |
是 |
mindspore1.2.0-cuda10.1-cudnn7-ubuntu18.04 |
gpu算法开发和训练基础镜像，预置ai引擎mindspore-gpu |
gpu |
是 |
是 |
rlstudio1.0.0-ray1.3.0-cuda10.1-ubuntu18.04 |
cpu、gpu强化学习算法开发和训练基础镜像，预置ai引擎 |
cpu/gpu |
是 |
是 |
mindquantum0.9.0-mindspore2.0.0-cuda11.6-ubuntu20.04 |
mindspore2.0.0 and mindquantum0.9.0 |
cpu |
是 |
是 |
mindspore1.2.0-openmpi2.1.1-ubuntu18.04 |
cpu算法开发和训练基础镜像，预置ai引擎mindspore-cpu |
cpu |
是 |
是 |
cylp0.91.4-cbcpy2.10-ortools9.0-cplex20.1.0-ubuntu18.04 |
cpu运筹优化求解器开发基础镜像，预置cylp，cbcpy，ortools及cplex |
cpu |
是 |
是 |
pytorch_2.1.0-cann_7.0.1.1-py_3.9-euler_2.10.7-aarch64-snt3p |
ascend_snt3p arm算法开发和训练基础镜像，ai引擎预置pytorch2.1 |
ascend_snt3p |
是 |
是 |
mindspore_2.2.12-cann_7.0.1.1-py_3.9-euler_2.10.7-aarch64-snt3p |
image_mindspore_ascend_310p_desc |
ascend_snt3p |
是 |
是 |
训练作业
创建训练作业时，训练支持的ai引擎及对应版本如下所示。
<训练引擎名称_版本号>-[cpu |]- -<操作系统名称_版本号>-< x86_64 | aarch64>
工作环境 |
系统架构 |
系统版本 |
ai引擎与版本 |
支持的cuda或ascend版本 |
|---|---|---|---|---|
tensorflow |
x86_64 |
ubuntu18.04 |
tensorflow_2.1.0-cuda_10.1-py_3.7-ubuntu_18.04-x86_64 |
cuda10.1 |
pytorch |
x86_64 |
ubuntu18.04 |
pytorch_1.8.0-cuda_10.2-py_3.7-ubuntu_18.04-x86_64 |
cuda10.2 |
ascend-powered-engine |
aarch64 |
euler2.8 |
mindspore_1.7.0-cann_5.1.0-py_3.7-euler_2.8.3-aarch64 |
cann 5.1.0 |
tensorflow_1.15-cann_5.1.0-py_3.7-euler_2.8.3-aarch64 |
cann 5.1.0 |
|||
mpi |
x86_64 |
ubuntu18.04 |
mindspore_1.3.0-cuda_10.1-py_3.7-ubuntu_1804-x86_64 |
cuda_10.1 |
horovod |
x86_64 |
ubuntu_18.04 |
horovod_0.20.0-tensorflow_2.1.0-cuda_10.1-py_3.7-ubuntu_18.04-x86_64 |
cuda_10.1 |
horovod_0.22.1-pytorch_1.8.0-cuda_10.2-py_3.7-ubuntu_18.04-x86_64 |
cuda_10.2 |
不同区域支持的ai引擎有差异，请以实际环境为准。
推理支持的ai引擎
在modelarts创建ai应用时，若使用预置镜像“从模板中选择”或“从obs中选择”导入模型，则支持如下常用引擎及版本的模型包。
- 标注“推荐”的runtime来源于统一镜像，后续统一镜像将作为主流的推理基础镜像。统一镜像中的安装包更齐全，详细信息可以参见。
- 推荐将旧版镜像切换为统一镜像，旧版镜像后续将会逐渐下线。
- 待下线的基本镜像不再维护。
- 统一镜像runtime的命名规范：
- <硬件及版本：cpu或cuda或cann> - - <操作系统版本> -
模型使用的引擎类型 |
支持的运行环境（runtime） |
注意事项 |
|---|---|---|
tensorflow |
python3.6 python2.7（待下线） tf1.13-python3.6-gpu tf1.13-python3.6-cpu tf1.13-python3.7-cpu tf1.13-python3.7-gpu tf2.1-python3.7（待下线） tensorflow_2.1.0-cuda_10.1-py_3.7-ubuntu_18.04-x86_64（推荐） |
|
spark_mllib |
python2.7（待下线） python3.6（待下线） |
|
scikit_learn |
python2.7（待下线） python3.6（待下线） |
|
xgboost |
python2.7（待下线） python3.6（待下线） |
|
pytorch |
python2.7（待下线） python3.6 python3.7 pytorch1.4-python3.7 pytorch1.5-python3.7（待下线） pytorch_1.8.0-cuda_10.2-py_3.7-ubuntu_18.04-x86_64（推荐） |
|
mindspore |
aarch64（推荐） |
aarch64只能用于运行在snt3芯片上。 |
相关文档
意见反馈
文档内容是否对您有帮助？
如您有其它疑问，您也可以通过华为云社区问答频道来与我们联系探讨
