tencent cloud

腾讯云 TI 平台

产品简介
产品概述
产品定价
客户价值
应用场景
购买指南
计费概述
购买方式
续费说明
欠费说明
安全合规
数据安全保护机制
监控、审计与日志
安全合规资质
快速入门
平台使用准备
操作指南
大模型广场
任务式建模
开发机
模型管理
模型评测
在线服务
资源组管理
数据源管理
Tikit
GPU 虚拟化
实践教程
LLM 部署及推理
LLM 训练及评测
内置训练镜像列表
自定义训练镜像规范
Angel 训练加速功能介绍
基于标签实现子用户间资源隔离
相关协议
TI Platform 隐私协议
TI Platform 数据处理和安全协议
开源软件信息
联系我们

内置训练镜像列表

PDF
聚焦模式
字号
最后更新时间: 2025-08-14 15:38:28

简介

TI-ONE 内置了主流的 TensorFlow、Pytorch、PySpark 等深度学习和机器学习框架,同时推出了自研训练加速框架 Angel,其中 tilearn-llm 是为大模型定制的训练加速组件,已内置在平台通用训练镜像中,同时支持 Notebook 和任务式建模。

内置镜像列表

框架
镜像名称
支持的训练模式
备注
PyTorch
tilearn-llm0.9-torch2.3-py3.10-cuda12.4-gpu
DDP
支持的核心库:Python 3.10,CUDA 12.4,jupyterlab 2.3.2,torch 2.3.0a0+40ec155e58.nv24.3,transformers 4.39.3,deepspeed 0.13.4,tilearn-llm 0.9.9,tilearn.ops 0.2.2.175,angel-vllm 0.4.2
支持的卡型:PNV6,H100,H800,PNV5b,L40,A100,A800,A10,V100,T4
支持的模块:任务式建模和开发机
tilearn-llm0.9-torch2.1-py3.10-cuda12.1-gpu
DDP
支持的核心库:Python 3.10,CUDA 12.1,jupyterlab 2.3.2,torch 2.1.2,transformers 4.39.3,deepspeed 0.14.0,tilearn-llm 0.9.3.3,tilearn.ops 0.2.1.172,angel-vllm 0.3.4
支持的卡型:H100,H800,PNV5b,L40,A100,A800,A10,V100,T4
支持的模块:任务式建模和开发机
tilearn-llm0.8-torch2.1-py3.10-cuda12.1-gpu
DDP
支持的核心库:Python 3.10,CUDA 12.1,jupyterlab 2.3.2,torch 2.1.0a0+b5021ba,transformers 4.31.0,deepspeed 0.10.0,tilearn-llm 0.8.3,tilearn.ops 0.2.0.1
支持的卡型:H100,H800,PNV5b,L40,A100,A800,A10,V100,T4
支持的模块:任务式建模和开发机
ti-acc2.5-torch1.9-py3.8-cuda11.1-gpu
DDP
支持的核心库:Python 3.8,CUDA 11.1,torch 1.9.0+cu111,tiacc-training.torch 2.5.1.dev13
支持的卡型:A100,A10,V100,T4
支持的模块:任务式建模
torch1.9-py3.8-cuda11.1-gpu
DDP,MPI,Horovod
支持的核心库:Python 3.8,CUDA 11.1,torch 1.9.0+cu111
支持的卡型:A100,A10,V100,T4
支持的模块:任务式建模
ti-acc2.5-torch1.12-tf1.15-tf2.4-pyspark2.4.5-py3.8-cuda11.3-gpu
-
支持的核心库:jupyterlab 3.6.1,多个 conda 环境,包括: - pyspark: Python 3.7,spark-2.4.5-bin-hadoop2.7 - pyspark3:Python 3.8,spark-3.3.1-bin-hadoop3 - pytorch_py3:Python 3.8,CUDA 11.1,torch 1.9.0+cu111 - tiacc_pytorch_py3:Python 3.8,CUDA 11.1,torch 1.12.1+cu113,tiacc-training.torch 2.5.1.dev10 - tf_py3:Python 3.7,CUDA 10.0,tensorflow-gpu 1.15.0 - tiacc_tf_py3:Python 3.7,CUDA 10.0,tensorflow-gpu 1.15.0 - tf2_py3:Python 3.8,CUDA 11.0,tensorflow 2.4.0 支持的卡型:V100,T4,部分 kernel 支持A100/A10
支持的模块:开发机
TensorFlow
ti-acc1.0-tf1.15-py3.6-cuda10.0-gpu
PS-Worker
-
tf1.15-py3.7-cpu
PS-Worker,MPI,Horovod
-
tf1.15-py3.7-cuda10.0-gpu
tf2.4-py3.8-cpu
tf2.4-py3.8-cuda11.1-gpu
Spark
spark2.4.5-cpu
Spark
-
PySpark
spark2.4.5-py3.6-cpu
Spark
-
其他
py3.8-cpu
-
包含 Miniforge3, jupyterlab 4.3, tensorboard 2.18.0, Python 3.8 conda 环境
支持的模块:开发机
py3.10-cpu
-
包含 Miniforge3, jupyterlab 4.3, tensorboard 2.18.0, Python 3.10 conda 环境
支持的模块:开发机


帮助和支持

本页内容是否解决了您的问题?

填写满意度调查问卷,共创更好文档体验。

文档反馈