概要

平台所有镜像的系统版本为Ubuntu，多数为Ubuntu 18.04 ，少数Ubuntu 20.04

平台已经内置了以下框架及版本的镜像，使用该镜像的实例就会自带相应框架软件。如果以下自带的框架版本或Python版本不满足需求，请继续看下方配置其他版本的框架或Python方法。

框架	框架版本	Python版本	CUDA版本
PyTorch	1.1.0	3.7	10.0
PyTorch	1.5.1	3.8	10.1
PyTorch	1.6.0	3.8	10.1
PyTorch	1.7.0	3.8	11.0
PyTorch	1.8.1	3.8	11.1
PyTorch	1.9.0	3.8	11.1
PyTorch	1.10.0	3.8	11.3
PyTorch	1.11.0	3.8	11.3
PyTorch	2.0.0	3.8	11.8
PyTorch	2.1.0	3.10	12.1
PyTorch	2.1.2	3.10	11.8
PyTorch	2.3.0	3.12	12.1
PyTorch	2.5.1	3.12	12.4
PyTorch	2.7.0	3.12	12.8
PyTorch	2.8.0	3.12	12.8
TensorFlow	1.15.5	3.8	11.4
TensorFlow	2.5.0	3.8	11.2
TensorFlow	2.9.0	3.8	11.2
Miniconda	conda3	3.7	9.0
Miniconda	conda3	3.8	10.1
Miniconda	conda3	3.8	10.2
Miniconda	conda3	3.8	11.1
Miniconda	conda3	3.8	11.3
Miniconda	conda3	3.8	11.3(cudagl)
Miniconda	conda3	3.8	11.6
Miniconda	conda3	3.8	11.8
Miniconda	conda3	3.10	11.8
tritonserver	24.12	3.12	12.6
JAX	0.3.10	3.8	11.1
PaddlePaddle	2.2.0	3.8	11.2
PaddlePaddle	2.4.0	3.8	11.2
TensorRT	8.5.1	3.8	11.8
TensorRT	8.6.1	3.8	11.8
Gromacs	2022.2	3.8	11.4
Gromacs	2023.2	3.10	11.8

安装其他版本的Python： 参考

安装其他版本的CUDA： 参考

安装PyTorch： 参考

使用Torch官方的conda安装命令在国内安装的一般为非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pip命令，去掉-f/--index-url参数，这样可以走国内的pip源，速度更快。

安装TensorFlow： 参考

推荐的使用姿势：

1. 首先平台镜像中有没有您需要的Torch、TensorFlow等框架的相应版本，如果有首选平台内置的镜像。
2. 如果平台中没有合适的Torch、TensorFlow等框架版本，那么查询自己的框架需要什么CUDA版本，比如PyTorch=1.9.0需要CUDA=11.1，那么可以选择Miniconda/CUDA=11.1的平台镜像，然后在镜像内安装自己需要的框架，免去安装cudatoolkit的麻烦。（平台内置的CUDA均带.h头文件，如有二次编译代码的需求更方便）。
3. 如果以上条件都不满足，则可随便挑选一个Miniconda镜像，在开机后自行安装相关框架、CUDA、甚至其他版本的Python。