適用於 PyTorch 的 Azure 容器 （ACPT）

適用於 PyTorch 的 Azure 容器是輕量型的獨立環境，其中包含必要的元件，可在 Azure 機器學習 上有效執行大型模型的優化定型。 根據預設，Azure 機器學習 策展環境可在使用者的工作區中使用，並由使用最新版 Azure 機器學習 SDK 的快取 Docker 映像支援。 這有助於降低準備成本，並加快部署時間。 ACPT 可用來使用 Azure 上的 PyTorch 快速開始使用各種深度學習工作。

注意

使用 Python SDK、CLI 或 Azure 機器學習 Studio 取得環境及其相依性的完整清單。 如需詳細資訊，請參閱 環境一文。

為何應該使用 ACPT？

• 彈性：依目前方式搭配預安裝套件使用，或建置在策展環境之上。
• 易於使用：所有元件都會針對數十個Microsoft工作負載進行安裝及驗證，以降低設定成本並加速價值。
• 效率：避免不必要的映射建置，而且只有映像/容器中可存取的必要相依性。
• 優化定型架構：在大型工作負載上設定、開發及加速 PyTorch 模型，並改善定型和部署成功率。
• 最新堆棧：存取最新相容的Ubuntu、Python、PyTorch、CUDA/RocM等版本。
• 最新的定型優化技術：使用 ONNX 運行時間 、 DeepSpeed、 MSCCL 等等。
• 與 Azure 機器學習 整合：在 Azure Machine Learning 工作室 或使用 SDK 追蹤 PyTorch 實驗。 Azure 客戶支援也會減少訓練和部署延遲。
• DSVM 的可用性：映射也可作為 資料科學虛擬機器 （DSVM）使用。 若要深入瞭解 資料科學虛擬機器，請參閱 DSVM 概觀檔。

重要

若要檢視有關策展環境套件和版本的詳細資訊，請流覽 Azure 機器學習 Studio 中的 [環境] 索引標籤。

適用於 PyTorch 的 Azure 容器支援的組態 （ACPT）

描述：適用於 PyTorch 的 Azure 策展環境是我們最新的 PyTorch 策劃環境。 其已針對大型分散式深度學習工作負載進行優化，並預先封裝了加速訓練的最佳Microsoft技術（例如 Onnx Runtime Training （ORT）、DeepSpeed、MSCCL 等。

不支援下列設定：

環境名稱	OS	GPU 版本	Python 版本	PyTorch 版本	ORT 訓練版本	DeepSpeed 版本	torch-ort 版本	星雲版本
acpt-pytorch-2.2-cuda12.1	Ubuntu 20.04	cu121	3.10	2.2.2	1.17.3	0.13.1	1.17.3	0.16.11
acpt-pytorch-2.1-cuda12.1	Ubuntu 20.04	cu121	3.10	2.1.2	1.17.3	0.13.1	1.17.3	0.16.11
acpt-pytorch-2.0-cuda11.7	Ubuntu 20.04	cu117	3.10	2.0.1	1.17.3	0.13.1	1.17.3	0.16.11
acpt-pytorch-1.13-cuda11.7	Ubuntu 20.04	cu117	3.10	1.13.1	1.17.3	0.13.1	1.17.3	0.16.11

提供其他套件，例如 fairscale、horovod、msccl、protobuf、pyspark、pytest、pytorch-lightning、tensorboard、NebulaML、torchvision 和 torchmetrics，以支援所有訓練需求。

若要深入瞭解，請參閱 建立自定義 ACPT 策展環境。

支援

支持環境的版本更新，包括所參考的基底映像，會每隔兩周發行一次，以解決不超過 30 天的弱點。 根據使用方式，某些環境可能已被取代（隱藏在產品中，但可使用），以支援更常見的機器學習案例。