概述
AladdinEdu内置了部分基础镜像与社区镜像，启动workshop时选择这些镜像就会自带相应框架的软件。 如默认镜像不满足您的需求，需自定义安装包，可先查阅平台机制介绍。
提示
在workshop安装的python包、apt等应用，需要保存镜像后才能被GPU 会话（session）使用。
基础镜像
| 镜像类型 | 版本标签 | 包含内容 |
|---|---|---|
| torch | 2.5.1-cu124 | 核心包:torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 cuda==12.4附加包: datasets transformers scikit-learn peft tiktoken blobfile sentencepiece protobuf deepspeed |
| torch | 2.6.0-cu124 | 核心包:torch==2.6.0 torchvision==0.21.0 torchaudio==2.6.0 cuda==12.4附加包: 同 2.5.1 版本 |
| python | 3.10/3.11/3.12/3.13 | 纯净Python环境 |
| ubuntu | 22.04 | 纯净 Ubuntu 22.04 系统 |
| pytorch | 2.3.1-cuda12.1-py3.11 | 核心包:torch==2.3.1+cu121 torchaudio==2.3.1+cu121 torchvision==0.18.1+cu121 cuda==12.1附加包: numpy scipy pandas matplotlib scikit-learn jupyterlab opencv-python-headless pillow tqdm requests |
| pytorch | 2.3.1-cuda11.8-py3.11 | 核心包:torch==2.3.1+cu118 torchaudio==2.3.1+cu118 torchvision==0.18.1+cu118 cuda==11.8附加包: 同 2.3.1-cuda12.1-py3.11 版本 |
| pytorch | 2.3.1-cuda12.1-py3.10 | 核心包:torch==2.3.1+cu121 torchaudio==2.3.1+cu121 torchvision==0.18.1+cu121 cuda==12.1附加包: 同 2.3.1-cuda12.1-py3.11 版本 |
| pytorch | 2.3.1-cuda11.8-py3.10 | 核心包:torch==2.3.1+cu118 torchaudio==2.3.1+cu118 torchvision==0.18.1+cu118 cuda==11.8附加包: 同 2.3.1-cuda12.1-py3.11 版本 |
| pytorch | 2.2.2-cuda12.1-py3.11 | 核心包:torch==2.2.2+cu121 torchaudio==2.2.2+cu121 torchvision==0.17.2+cu121 cuda==12.1附加包: 同 2.3.1-cuda12.1-py3.11 版本 |
| pytorch | 2.2.2-cuda11.8-py3.11 | 核心包:torch==2.2.2+cu118 torchaudio==2.2.2+cu118 torchvision==0.17.2+cu118 cuda==11.8附加包: 同 2.3.1-cuda12.1-py3.11 版本 |
| pytorch | 2.2.2-cuda12.1-py3.10 | 核心包:torch==2.2.2+cu121 torchaudio==2.2.2+cu121 torchvision==0.17.2+cu121 cuda==12.1附加包: 同 2.3.1-cuda12.1-py3.11 版本 |
| pytorch | 2.2.2-cuda11.8-py3.10 | 核心包:torch==2.2.2+cu118 torchaudio==2.2.2+cu118 torchvision==0.17.2+cu118 cuda==11.8附加包: 同 2.3.1-cuda12.1-py3.11 版本 |
| pytorch | 2.1.2-cuda12.1-py3.11 | 核心包:torch==2.1.2+cu121 torchaudio==2.1.2+cu121 torchvision==0.16.2+cu121 cuda==12.1附加包: 同 2.3.1-cuda12.1-py3.11 版本 |
| pytorch | 2.1.2-cuda11.8-py3.11 | 核心包:torch==2.1.2+cu118 torchaudio==2.1.2+cu118 torchvision==0.16.2+cu118 cuda==11.8附加包: 同 2.3.1-cuda12.1-py3.11 版本 |
| pytorch | 2.1.2-cuda12.1-py3.10 | 核心包:torch==2.1.2+cu121 torchaudio==2.1.2+cu121 torchvision==0.16.2+cu121 cuda==12.1附加包: 同 2.3.1-cuda12.1-py3.11 版本 |
| pytorch | 2.1.2-cuda11.8-py3.10 | 核心包:torch==2.1.2+cu118 torchaudio==2.1.2+cu118 torchvision==0.16.2+cu118 cuda==11.8附加包: 同 2.3.1-cuda12.1-py3.11 版本 |
| tensorflow | 2.16.1-cuda12.3-py3.11 | 核心包:tensorflow==2.16.1 keras==3.11.3 cuda==12.3附加包: numpy scipy pandas matplotlib scikit-learn jupyterlab opencv-python-headless pillow tqdm requests h5py protobuf |
| tensorflow | 2.16.1-cuda12.3-py3.10 | 核心包:tensorflow==2.16.1 keras==3.11.3 cuda==12.3附加包: 同 2.16.1-cuda12.3-py3.11 版本 |
| tensorflow | 2.15.0-cuda12.2-py3.11 | 核心包:tensorflow==2.15.0 keras==2.15.0 cuda==12.2附加包: 同 2.16.1-cuda12.3-py3.11 版本 |
| tensorflow | 2.15.0-cuda12.2-py3.10 | 核心包:tensorflow==2.15.0 keras==2.15.0 cuda==12.2附加包: 同 2.16.1-cuda12.3-py3.11 版本 |
| tensorflow | 2.14.0-cuda11.8-py3.11 | 核心包:tensorflow==2.14.0 keras==2.14.0 cuda==11.8附加包: 同 2.16.1-cuda12.3-py3.11 版本 |
| tensorflow | 2.14.0-cuda11.8-py3.10 | 核心包:tensorflow==2.14.0 keras==2.14.0 cuda==11.8附加包: 同 2.16.1-cuda12.3-py3.11 版本 |
| tensorflow | 2.13.0-cuda11.8-py3.11 | 核心包:tensorflow==2.13.0 keras==2.13.1 cuda==11.8附加包: 同 2.16.1-cuda12.3-py3.11 版本 |
| tensorflow | 2.13.0-cuda11.8-py3.10 | 核心包:tensorflow==2.13.0 keras==2.13.1 cuda==11.8附加包: 同 2.16.1-cuda12.3-py3.11 版本 |
社区镜像
- 平台中还配置了很多社区镜像，您可以在创建工作台时调用：
- 社区镜像加载时需要更长的时间（约1-3分钟），请您耐心等待：
- 打开远端页面后，如您已正确安装远端插件，则会默认打开一个md文件，推荐安装“Markdown Preview Enhanced”插件进行预览：
- 按照README.md中的步骤即可跑通指定项目：
提示
若README文件意外关闭，或远端插件未安装成功，可使用以下命令将README文件复制到工作目录下：
cp -r /opt/aladdin/README.md /root
Python、框架定制
- 安装其他版本的Python： 推荐使用Miniconda创建其他版本的Python虚拟环境，可参考conda安装教程。
# 构建一个虚拟环境名为：myenv，Python版本为3.7
conda create -n myenv python=3.7
# 更新bashrc中的环境变量
conda init bash && source /root/.bashrc
# 切换到创建的虚拟环境：my-env
conda activate myenv
# 验证
python --version
- 安装PyTorch： 参考链接
注意
1.通过Torch官方的conda安装命令，在国内安装的conda一般为非cuda版本，而是cpu版本（有bug），因此推荐用pip安装。并且，如果使用torch官方的pip命令，去掉-f/--index-url参数，这样可以走国内的pip源，速度更快；
2.平台中目前所提供显卡支持的最低cuda版本为11.8，过低版本可能会导致计算性能损失。
- 安装TensorFlow： 参考链接
- 推荐的使用姿势 （1）如果平台内置的公共镜像中有您需要的Torch、TensorFlow等框架的相应版本，首选公共镜像。 （2）如果以上条件都不满足，推荐使用Ubuntu系统，并自行安装miniconda进行环境配置。