文档首页 > > 产品介绍> ModelArts支持的AI框架

ModelArts支持的AI框架

分享
更新时间:2020/11/17 GMT+08:00

ModelArts的开发环境、训练作业、模型推理(即模型管理和部署上线)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。

开发环境

开发环境的Notebook,根据不同的工作环境(即不同Python版本),对应支持的AI引擎和版本有所不同,在创建好对应工作环境的Notebook实例后,再根据表1对应的版本创建文件。而且Notebook支持多引擎,即同一个Notebook实例,可以使用所有支持的AI引擎,不同引擎之间可快速、方便切换。

表1 AI引擎

工作环境名称

预置的AI引擎及版本

适配芯片

Multi-Engine 1.0 (python3 推荐)

MXNet-1.2.1

CPU/GPU

PySpark-2.3.2

CPU

Pytorch-1.0.0

GPU

TensorFlow-1.13.1

CPU/GPU

TensorFlow-1.8

CPU/GPU

XGBoost-Sklearn

CPU

Multi-Engine 1.0 (python2)

Caffe-1.0.0

CPU/GPU

MXNet-1.2.1

CPU/GPU

PySpark-2.3.2

CPU

PyTorch1.0.0

GPU

TensorFlow-1.13.1

CPU/GPU

TensorFlow-1.8

CPU/GPU

XGBoost-Sklearn

CPU

Multi-Engine 2.0 (python3)

Pytorch-1.4.0

GPU

R-3.6.1

CPU/GPU

TensorFlow-2.1.0

CPU/GPU

训练作业

创建训练作业时,支持的AI引擎及对应版本如下所示。

  • TensorFlow:TF-1.8.0-python3.6、TF-1.8.0-python2.7、TF-1.13.1-python3.6、TF-1.13.1-python2.7、TF-2.1.0-python3.6
  • MXNet:MXNet-1.2.1-python3.6、MXNet-1.2.1-python2.7
  • Caffe:Caffe-1.0.0-python2.7
  • Spark_MLlib:Spark-2.3.2-python2.7、Spark-2.3.2-python3.6
  • Ray:RAY-0.7.4-python3.6
  • XGBoost-Sklearn:XGBoost-0.80-Sklearn-0.18.1-python2.7、XGBoost-0.80-Sklearn-0.18.1-python3.6
  • PyTorch:PyTorch-1.0.0-python2.7、PyTorch-1.0.0-python3.6、PyTorch-1.3.0-python2.7、PyTorch-1.3.0-python3.6、PyTorch-1.4.0-python3.6
  • Ascend-Powered-Engine:MindSpore-1.0-python3.7-aarch64、TF-1.15-python3.7-aarch64
  • Ascend-Powered-Engine仅在“华北-北京四”区域支持。

模型推理

针对导入模型,并在ModelArts完成模型推理的。支持如下常用引擎及版本。

表2 支持的常用引擎及其Runtime

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

tf1.13-python2.7-gpu

tf1.13-python2.7-cpu

tf1.13-python3.6-gpu

tf1.13-python3.6-cpu

tf1.13-python3.7-cpu

tf1.13-python3.7-gpu

tf2.1-python3.7

  • python2.7、python3.6、python3.7的运行环境搭载的TensorFlow版本为1.8.0。
  • python3.6、python2.7、tf2.1-python3.7,表示该模型可同时在CPU或GPU运行。其他Runtime的值,如果后缀带cpu或gpu,表示该模型仅支持在CPU或GPU中运行。
  • 默认使用的Runtime为python2.7。

MXNet

python3.7

python3.6

python2.7

  • python2.7、python3.6、python3.7的运行环境搭载的MXNet版本为1.2.1。
  • python2.7、python3.6、python3.7,表示该模型可同时在CPU或GPU运行。
  • 默认使用的Runtime为python2.7。

Caffe

python2.7

python3.6

python3.7

python2.7-gpu

python3.6-gpu

python3.7-gpu

python2.7-cpu

python3.6-cpu

python3.7-cpu

  • python2.7、python3.6、python3.7、python2.7-gpu、python3.6-gpu、python3.7-gpu、python2.7-cpu、python3.6-cpu、python3.7-cpu的运行环境搭载的Caffe版本为1.0.0。
  • python2.7、python3.6、python3.7只能用于运行适用于CPU的模型。其他Runtime的值,如果后缀带cpu或gpu,表示该模型仅支持在CPU或GPU中运行。推荐使用python2.7-gpu、python3.6-gpu、python3.7-gpu、python2.7-cpu、python3.6-cpu、python3.7-cpu的Runtime。
  • 默认使用的Runtime为python2.7。

Spark_MLlib

python2.7

python3.6

  • python2.7以及python3.6的运行环境搭载的Spark_MLlib版本为2.3.2。
  • 默认使用的Runtime为python2.7。
  • python2.7、python3.6只能用于运行适用于CPU的模型。

Scikit_Learn

python2.7

python3.6

  • python2.7以及python3.6的运行环境搭载的Scikit_Learn版本为0.18.1。
  • 默认使用的Runtime为python2.7。
  • python2.7、python3.6只能用于运行适用于CPU的模型。

XGBoost

python2.7

python3.6

  • python2.7以及python3.6的运行环境搭载的XGBoost版本为0.80。
  • 默认使用的Runtime为python2.7。
  • python2.7、python3.6只能用于运行适用于CPU的模型。

PyTorch

python2.7

python3.6

python3.7

pytorch1.4-python3.7

  • python2.7、python3.6、python3.7的运行环境搭载的PyTorch版本为1.0。
  • python2.7、python3.6、python3.7、pytorch1.4-python3.7,表示该模型可同时在CPU或GPU运行。
  • 默认使用的Runtime为python2.7。

MindSpore

python3.7

python3.7的运行环境搭载的MindSpore版本为1.0。

分享:

    相关文档

    相关产品

文档是否有解决您的问题?

提交成功!非常感谢您的反馈,我们会继续努力做到更好!
反馈提交失败,请稍后再试!

*必选

请至少选择或填写一项反馈信息

字符长度不能超过200

提交反馈 取消

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

智能客服提问云社区提问