NVIDIA 文档中心 NVIDIA 优化框架 NVIDIA 优化框架框架支持矩阵

框架支持矩阵

19.xx 容器镜像

	容器镜像	19.12		19.11		19.10	19.09	19.08	19.07	19.06	19.05	19.04	19.03	19.02	19.01
支持平台	主机操作系统	DGX OS 服务器 4.1.0+ (DGX-1)¹⁹ 4.1.0+ (DGX-2) DGX OS 桌面 4.1.0+ (DGX Station)¹		DGX OS 服务器 4.1.0+ (DGX-1)¹ 4.1.0+ (DGX-2) DGX OS 桌面 4.1.0+ (DGX Station)¹		DGX OS 服务器 4.1.0+ (DGX-1)¹ 4.1.0+ (DGX-2) DGX OS 桌面 4.1.0+ (DGX Station)¹	DGX OS 服务器 4.1.0+、4.0.4+、3.1.2+ 和 2.1.1+ (DGX-1)¹ 4.1.0+、4.0.1+ (DGX-2) DGX OS 桌面 4.1.0+、4.0.4+ 和 3.1.2+ (DGX Station)¹	DGX OS 服务器 4.1.0+、4.0.4+、3.1.2+ 和 2.1.1+ (DGX-1)¹ 4.1.0+、4.0.1+ (DGX-2) DGX OS 桌面 4.1.0+、4.0.4+ 和 3.1.2+ (DGX Station)¹	DGX OS 服务器 4.1.0+、4.0.4+、3.1.2+ 和 2.1.1+ (DGX-1)¹ 4.1.0+、4.0.1+ (DGX-2) DGX OS 桌面 4.1.0+、4.0.4+ 和 3.1.2+ (DGX Station)¹	DGX OS 服务器 4.1.0+、4.0.4+、3.1.2+ 和 2.1.1+ (DGX-1)¹ 4.1.0+、4.0.1+ (DGX-2) DGX OS 桌面 4.1.0+、4.0.4+ 和 3.1.2+ (DGX Station)¹	DGX OS 服务器 4.1.0+、4.0.4+、3.1.2+ 和 2.1.1+ (DGX-1)¹ 4.1.0+、4.0.1+ (DGX-2) DGX OS 桌面 4.1.0+、4.0.4+ 和 3.1.2+ (DGX Station)¹	DGX OS 服务器 4.0.4+、3.1.2+ 和 2.1.1+ (DGX-1) 4.0.1+ (DGX-2) DGX OS 桌面 4.0.4+ 和 3.1.2+ (DGX Station)	DGX OS 服务器 4.0.4+、3.1.2+ 和 2.1.1+ (DGX-1) 4.0.1+ (DGX-2) DGX OS 桌面 4.0.4+ 和 3.1.2+ (DGX Station)	DGX OS 服务器 4.0.4+、3.1.2+ 和 2.1.1+ (DGX-1) 4.0.1+ (DGX-2) DGX OS 桌面 4.0.4+ 和 3.1.2+ (DGX Station)	DGX OS 服务器 4.0.4+、3.1.2+ 和 2.1.1+ (DGX-1) 4.0.1+ (DGX-2) DGX OS 桌面 4.0.4+ 和 3.1.2+ (DGX Station)
支持平台	NVIDIA 驱动程序	Release 19.12 基于 CUDA 10.2.89，需要 NVIDIA 驱动程序版本 440.33.01。但是，如果您在 Tesla 上运行（例如，T4 或任何其他 Tesla 板卡），您可以使用 NVIDIA 驱动程序版本 396、384.111+、410、418.xx 或 440.30 CUDA 驱动程序的兼容性包仅支持特定的驱动程序。³		Release 19.11 基于 CUDA 10.2.89，需要 NVIDIA 驱动程序版本 440.xx。但是，如果您在 Tesla 上运行（例如，T4 或任何其他 Tesla 板卡），您可以使用 NVIDIA 驱动程序版本 396、384.111+、410 或 418.xx。 CUDA 驱动程序的兼容性包仅支持特定的驱动程序。²		Release 19.10 基于 CUDA 10.1.243，需要 NVIDIA 驱动程序版本 418.xx。但是，如果您在 Tesla 上运行（例如，T4 或任何其他 Tesla 板卡），您可以使用 NVIDIA 驱动程序版本 396、384.111+ 或 410。 CUDA 驱动程序的兼容性包仅支持特定的驱动程序。²	Release 19.09 基于 CUDA 10.1.243，需要 NVIDIA 驱动程序版本 418.xx。但是，如果您在 Tesla 上运行（例如，T4 或任何其他 Tesla 板卡），您可以使用 NVIDIA 驱动程序版本 396、384.111+ 或 410。 CUDA 驱动程序的兼容性包仅支持特定的驱动程序。²	Release 19.08 基于 CUDA 10.1.243，需要 NVIDIA 驱动程序版本 418.87。但是，如果您在 Tesla 上运行（Tesla V100、Tesla P4、Tesla P40 或 Tesla P100），您可以使用 NVIDIA 驱动程序版本 384.111+ 或 410。 CUDA 驱动程序的兼容性包仅支持特定的驱动程序。²	Release 19.07 基于 CUDA 10.1.168，需要 NVIDIA 驱动程序版本 418.67。但是，如果您在 Tesla 上运行（Tesla V100、Tesla P4、Tesla P40 或 Tesla P100），您可以使用 NVIDIA 驱动程序版本 384.111+ 或 410。 CUDA 驱动程序的兼容性包仅支持特定的驱动程序。²	Release 19.06 基于 CUDA 10.1.168，需要 NVIDIA 驱动程序版本 418.xx。但是，如果您在 Tesla 上运行（Tesla V100、Tesla P4、Tesla P40 或 Tesla P100），您可以使用 NVIDIA 驱动程序版本 384.111+ 或 410。 CUDA 驱动程序的兼容性包仅支持特定的驱动程序。²	Release 19.05 基于 CUDA 10.1 Update 1，需要 NVIDIA 驱动程序版本 418.xx。但是，如果您在 Tesla 上运行（Tesla V100、Tesla P4、Tesla P40 或 Tesla P100），您可以使用 NVIDIA 驱动程序版本 384.111+ 或 410。 CUDA 驱动程序的兼容性包仅支持特定的驱动程序。²	Release 19.04 基于 CUDA 10.1，需要 NVIDIA 驱动程序版本 418.xx.x+。但是，如果您在 Tesla 上运行（Tesla V100、Tesla P4、Tesla P40 或 Tesla P100），您可以使用 NVIDIA 驱动程序版本 384.111+ 或 410。 CUDA 驱动程序的兼容性包仅支持特定的驱动程序。²	Release 19.03 基于 CUDA 10.1，需要 NVIDIA 驱动程序版本 418.xx+。但是，如果您在 Tesla 上运行（Tesla V100、Tesla P4、Tesla P40 或 Tesla P100），您可以使用 NVIDIA 驱动程序版本 384.111+ 或 410。 CUDA 驱动程序的兼容性包仅支持特定的驱动程序。²	Release 19.02 基于 CUDA 10.0，需要 NVIDIA 驱动程序版本 410.72+。但是，如果您在 Tesla 上运行（Tesla V100、Tesla P4、Tesla P40 或 Tesla P100），您可以使用 NVIDIA 驱动程序版本 384.111+。 CUDA 驱动程序的兼容性包仅支持特定的驱动程序。²	Release 19.01 基于 CUDA 10.0，需要 NVIDIA 驱动程序版本 410.72+。但是，如果您在 Tesla 上运行（Tesla V100、Tesla P4、Tesla P40 或 Tesla P100），您可以使用 NVIDIA 驱动程序版本 384.111+。 CUDA 驱动程序的兼容性包仅支持特定的驱动程序。²
支持的硬件	GPU 型号	Turing（图灵） Volta（伏特） Pascal（帕斯卡）		Turing（图灵） Volta（伏特） Pascal（帕斯卡）		Turing（图灵） Volta（伏特） Pascal（帕斯卡）	Turing（图灵） Volta（伏特） Pascal（帕斯卡）	Turing（图灵） Volta（伏特） Pascal（帕斯卡）	Turing（图灵） Volta（伏特） Pascal（帕斯卡）	Turing（图灵） Volta（伏特） Pascal（帕斯卡）	Turing（图灵） Volta（伏特） Pascal（帕斯卡）	Turing（图灵） Volta（伏特） Pascal（帕斯卡）	Turing（图灵） Volta（伏特） Pascal（帕斯卡）	Turing（图灵） Volta（伏特） Pascal（帕斯卡）	Turing（图灵） Volta（伏特） Pascal（帕斯卡）
基础镜像	容器操作系统	Ubuntu 18.04		Ubuntu 18.04		Ubuntu 18.04	Ubuntu 18.04	Ubuntu 18.04	Ubuntu 18.04	Ubuntu 16.04	Ubuntu 16.04	Ubuntu 16.04	Ubuntu 16.04	Ubuntu 16.04	Ubuntu 16.04
	CUDA	10.2.89		10.2.89		10.1.243	10.1.243	10.1.243	10.1.168	10.1.168	10.1 Update 1	10.1.105	10.1.105	10.0.130	10.0.130
	cuBLAS	10.2.2.89		10.2.2.89		10.2.1.243	10.2.1.243	10.2.1.243	10.2.0.168	10.2.0.168	10.1 Update 1	10.1.0.105	10.1.105	10.0.130	10.0.130
	cuDNN	7.6.5		7.6.5		7.6.4	7.6.3	7.6.2	7.6.1	7.6.0	7.6.0	7.5.0	7.5.0	7.4.2	7.4.2
	NCCL	2.5.6		2.5.6		2.4.8	2.4.8	2.4.8	2.4.7	2.4.7	2.4.6	2.4.6	2.4.3	2.3.7	2.3.7
NVIDIA 优化框架	Kaldi	5.5 包括 Python 3.6 MLNX_OFED OpenMPI 3.1.4 Nsight Compute 2019.5.0 Nsight Systems 2019.6.1 TensorRT 6.0.1		5.5 包括 Python 3.6 MLNX_OFED OpenMPI 3.1.4 Nsight Compute 2019.5.0 Nsight Systems 2019.5.2 TensorRT 6.0.1		5.5 包括 Python 3.6 MLNX_OFED OpenMPI 3.1.4 Nsight Compute 2019.4.0 Nsight Systems 2019.5.1 TensorRT 6.0.1	5.5 包括 Python 3.5 MLNX_OFED OpenMPI 3.1.4 Nsight Compute 2019.4.0 Nsight Systems 2019.4.2 TensorRT 6.0.1	5.5 包括 Python 3.5 MLNX_OFED +4.0 OpenMPI 3.1.4 Nsight Compute 10.1.168 Nsight Systems 2019.3.7.9 TensorRT 5.1.5	5.5 包括 Python 3.5 MLNX_OFED +3.4 OpenMPI 3.1.3 Nsight Compute 10.1.168 Nsight Systems 2019.3.6.30 TensorRT 5.1.5	5.5 包括 Python 3.5 OpenMPI 3.1.3 TensorRT 5.1.5 Nsight Compute 10.1.168 Nsight Systems 2019.3.1.94	5.5 包括 Python 3.5 Nsight Compute 10.1.163 Nsight Systems 2019.3.1.94 OpenMPI 3.1.3 TensorRT 5.1.5	5.5 包括 Python 3.5 OpenMPI 3.1.3 Nsight Compute 10.1.105 Nsight Systems 2019.3.1.8 TensorRT 5.1.2 RC	5.5，包括 Python 3.5 OpenMPI 3.1.3 Nsight Compute 10.1.105 Nsight Systems 10.1.105 TensorRT 5.1.2 RC
	Kaldi	Docker 镜像大小：5.49 GB		Docker 镜像大小：5.61 GB		Docker 镜像大小：5.63 GB	Docker 镜像大小：5.57 GB	Docker 镜像大小：5.57 GB	Docker 镜像大小：5.00 GB	Docker 镜像大小：5.11 GB	Docker 镜像大小：5.11 GB	Docker 镜像大小：5.01 GB	Docker 镜像大小：5.09 GB
	NVCaffe	0.17.3 包括 Python 3.6 MLNX_OFED OpenMPI 3.1.4 Nsight Compute 2019.5.0 Nsight Systems 2019.6.1 TensorRT 6.0.1 Jupyter 和 JupyterLab: Jupyter Client 5.3.4 Jupyter Core 4.6.1 Jupyter Notebook 6.0.1 JupyterLab 1.1.1 JupyterLab Server 1.0.6 Jupyter-TensorBoard		0.17.3 包括 Python 3.6 MLNX_OFED OpenMPI 3.1.4 Nsight Compute 2019.5.0 Nsight Systems 2019.5.2 TensorRT 6.0.1 Jupyter 和 JupyterLab: Jupyter Client 5.3.4 Jupyter Core 4.6.1 Jupyter Notebook 6.0.1 JupyterLab 1.1.1 JupyterLab Server 1.0.6 Jupyter-TensorBoard		0.17.3 包括 Python 3.6 MLNX_OFED OpenMPI 3.1.4 Nsight Compute 2019.4.0 Nsight Systems 2019.5.1 TensorRT 6.0.1 Jupyter 和 JupyterLab: Jupyter Client 5.3.3 Jupyter Core 4.5.0 Jupyter Notebook 6.0.1 JupyterLab 1.1.1 JupyterLab Server 1.0.6 Jupyter-TensorBoard	0.17.3 包括 Python 2.7 MLNX_OFED OpenMPI 3.1.4 Nsight Compute 2019.4.0 Nsight Systems 2019.4.2 TensorRT 6.0.1 Jupyter 和 JupyterLab: Jupyter Client 5.3.1 Jupyter Core 4.5.0 Jupyter Notebook 6.0.1 JupyterLab 1.1.1 JupyterLab Server 1.0.6 Jupyter-TensorBoard	0.17.3 包括 Python 2.7 MLNX_OFED +4.0 OpenMPI 3.1.4 Nsight Compute 10.1.168 Nsight Systems 2019.3.7.9 TensorRT 5.1.5 Jupyter 和 JupyterLab: Jupyter Client 5.3.1 Jupyter Core 4.5.0 Jupyter Notebook 5.7.8 Jupyter Notebook 6.0.0 JupyterLab 1.0.5 JupyterLab Server 1.0.0 Jupyter-TensorBoard	0.17.3 包括 Python 2.7 MLNX_OFED +3.4 OpenMPI 3.1.3 Nsight Compute 10.1.168 Nsight Systems 2019.3.6.30 TensorRT 5.1.5 Jupyter 和 JupyterLab: Jupyter Client 5.3.1 Jupyter Core 4.5.0 Jupyter Notebook 5.7.8 JupyterLab 1.0.2 JupyterLab Server 1.0.0 Jupyter-TensorBoard	0.17.3 包括 Python 2.7 OpenMPI 3.1.3 Nsight Compute 10.1.168 Nsight Systems 2019.3.1.94 TensorRT 5.1.5 Jupyter 和 JupyterLab: Jupyter Client 5.2.4 Jupyter Core 4.4.0 Jupyter Notebook 5.7.8 JupyterLab 0.35.6 JupyterLab Server 0.2.0	0.17.3 包括 Python 2.7 OpenMPI 3.1.3 Nsight Compute 10.1.163 Nsight Systems 2019.3.1.94 TensorRT 5.1.5 Jupyter 和 JupyterLab: Jupyter Client 5.2.4 Jupyter Core 4.4.0 Jupyter Notebook 5.7.8 JupyterLab 0.35.4 JupyterLab Server 0.2.0	0.17.3 包括 Python 2.7 OpenMPI 3.1.3 Nsight Compute 10.1.105 Nsight Systems 2019.3.1.8 TensorRT 5.1.2 RC Jupyter 和 JupyterLab: Jupyter Client 5.2.4 Jupyter Core 4.4.0 Jupyter Notebook 5.7.8 JupyterLab 0.35.4 JupyterLab Server 0.2.0	0.17.3 包括 Python 2.7 OpenMPI 3.1.3 Nsight Compute 10.1.105 Nsight Systems 10.1.105 TensorRT 5.1.2 RC Jupyter 和 JupyterLab: Jupyter Client 5.2.4 Jupyter Core 4.4.0 Jupyter Notebook 5.7.8 JupyterLab 0.35.4 JupyterLab Server 0.2.0	0.17.2 包括 Python 2.7 OpenMPI 3.1.3 TensorRT 5.0.2 Jupyter 和 JupyterLab: Jupyter Client 5.2.4 Jupyter Core 4.4.0 Jupyter Notebook 5.7.8 JupyterLab 0.35.4 JupyterLab Server 0.2.0	0.17.2 包括 Python 2.7 OpenMPI 3.1.3 TensorRT 5.0.2
	NVCaffe	Docker 镜像大小：4.81 GB		Docker 镜像大小：5.02 GB		Docker 镜像大小：5.1 GB	Docker 镜像大小：5.02 GB	Docker 镜像大小：5.02 GB	Docker 镜像大小：4.45 GB	Docker 镜像大小：4.33 GB	Docker 镜像大小：4.33 GB	Docker 镜像大小：4.29 GB	Docker 镜像大小：4.42 GB	Docker 镜像大小：3.56 GB	Docker 镜像大小：3.51 GB
	DIGITS	6.1.1 包括 Python 3.6 NVCaffe 0.17.3 MLNX_OFED OpenMPI 3.1.4 Nsight Compute 2019.5.0 Nsight Systems 2019.6.1 TensorFlow 1.15.0 TensorRT 6.0.1		NA		6.1.1 包括 Python 2.7 NVCaffe 0.17.3 MLNX_OFED OpenMPI 3.1.4 Nsight Compute 2019.4.0 Nsight Systems 2019.5.1 TensorFlow 1.14.0 TensorRT 6.0.1	6.1.1 包括 Python 2.7 NVCaffe 0.17.3 MLNX_OFED OpenMPI 3.1.4 Nsight Compute 2019.4.0 Nsight Systems 2019.4.2 TensorFlow 1.14.0 TensorRT 6.0.1	6.1.1 包括 Python 2.7 NVCaffe 0.17.3 MLNX_OFED +4.0 OpenMPI 3.1.4 Nsight Compute 10.1.168 Nsight Systems 2019.3.7.9 TensorFlow 1.14.0 TensorRT 5.1.5	6.1.1 包括 Python 2.7 NVCaffe 0.17.3 MLNX_OFED +3.4 OpenMPI 3.1.3 Nsight Compute 10.1.168 Nsight Systems 2019.3.6.30 TensorFlow 1.14.0 TensorRT 5.1.5	6.1.1 包括 Python 2.7 NVCaffe 0.17.3 OpenMPI 3.1.3 Nsight Compute 10.1.168 Nsight Systems 2019.3.1.94 TensorFlow 1.13.1 TensorRT 5.1.5	6.1.1 包括 Python 2.7 NVCaffe 0.17.3 OpenMPI 3.1.3 Nsight Compute 10.1.163 Nsight Systems 2019.3.1.94 TensorFlow 1.13.1 TensorRT 5.1.5	6.1.1 包括 Python 2.7 NVCaffe 0.17.3 OpenMPI 3.1.3 Nsight Compute 10.1.105 Nsight Systems 2019.3.1.8 TensorFlow 1.13.1 TensorRT 5.1.2 RC	6.1.1 包括 Python 2.7 NVCaffe 0.17.3 OpenMPI 3.1.3 Nsight Compute 10.1.105 Nsight Systems 10.1.105 TensorFlow 1.13.1 TensorRT 5.1.2 RC	6.1.1 包括 Python 2.7 NVCaffe 0.17.2 OpenMPI 3.1.3 TensorFlow 1.13.0-rc0 TensorRT 5.0.2	6.1.1 包括 Python 2.7 NVCaffe 0.17.2 OpenMPI 3.1.3 TensorFlow 1.12.0 TensorRT 5.0.2
	DIGITS	带有 TensorFlow 的 Docker 镜像大小：9.3 GB 带有 Caffe 的 Docker 镜像大小：4.97 GB		NA		带有 TensorFlow 的 Docker 镜像大小：8.78 GB 带有 Caffe 的 Docker 镜像大小：5.22 GB	带有 TensorFlow 的 Docker 镜像大小：7.74 GB 带有 Caffe 的 Docker 镜像大小：5.13 GB	带有 TensorFlow 的 Docker 镜像大小：7.74 GB 带有 Caffe 的 Docker 镜像大小：5.13 GB	带有 TensorFlow 的 Docker 镜像大小：7.14 GB 带有 Caffe 的 Docker 镜像大小：4.57 GB	带有 TensorFlow 的 Docker 镜像大小：7.86 GB 带有 Caffe 的 Docker 镜像大小：4.45 GB	带有 TensorFlow 的 Docker 镜像大小：7.00 GB 带有 Caffe 的 Docker 镜像大小：4.45 GB	带有 TensorFlow 的 Docker 镜像大小：7.04 GB 带有 Caffe 的 Docker 镜像大小：4.41 GB	带有 TensorFlow 的 Docker 镜像大小：6.92 GB 带有 Caffe 的 Docker 镜像大小：4.49 GB	带有 TensorFlow 的 Docker 镜像大小：6.43 GB 带有 Caffe 的 Docker 镜像大小：3.70 GB	带有 TensorFlow 的 Docker 镜像大小：5.96 GB 带有 Caffe 的 Docker 镜像大小：3.66 GB
	NVIDIA 优化深度学习框架，由 Apache MXNet 驱动	1.5.1 commit c98184806 from September 4, 2019 包括 Python 3.5 ONNX exporter 0.1 Sockeye 1.18.99 MLNX_OFED OpenMPI 3.1.4 Horovod 0.18.1 Nsight Compute 2019.5.0 Nsight Systems 2019.6.1 DALI 0.16.0 Beta GluonCV Toolkit 0.5 GluonNLP Toolkit 0.8.1 TensorRT 6.0.1 Tensor Core 优化示例: ResNet-50 v1.5 Jupyter 和 JupyterLab: Jupyter Client 5.3.4 Jupyter Core 4.6.1 Jupyter Notebook 6.0.2 JupyterLab 1.2.3 JupyterLab Server 1.0.6 Jupyter-TensorBoard		1.5.1 commit c98184806 from September 4, 2019 包括 Python 3.5 ONNX exporter 0.1 Sockeye 1.18.99 MLNX_OFED OpenMPI 3.1.4 Horovod 0.18.1 Nsight Compute 2019.5.0 Nsight Systems 2019.5.2 DALI 0.15.0 Beta GluonCV Toolkit 0.5 GluonNLP Toolkit 0.8.1 TensorRT 6.0.1 Tensor Core 优化示例: ResNet-50 v1.5 Jupyter 和 JupyterLab: Jupyter Client 5.3.4 Jupyter Core 4.6.1 Jupyter Notebook 6.0.2 JupyterLab 1.2.2 JupyterLab Server 1.0.6 Jupyter-TensorBoard		1.5.1 commit c98184806 from September 4, 2019 包括 Python 3.6 ONNX exporter 0.1 Sockeye 1.18.99 MLNX_OFED OpenMPI 3.1.4 Horovod 0.18.1 Nsight Compute 2019.4.0 Nsight Systems 2019.5.1 DALI 0.14.0 Beta GluonCV Toolkit 0.5 GluonNLP Toolkit 0.8.1 TensorRT 6.0.1 Tensor Core 优化示例: ResNet-50 v1.5 Jupyter 和 JupyterLab: Jupyter Client 5.3.3 Jupyter Core 4.5.0 Jupyter Notebook 6.0.1 JupyterLab 1.1.4 JupyterLab Server 1.0.6 Jupyter-TensorBoard	1.5.0 commit 006486af3 from August 28, 2019 包括 Python 3.5 ONNX exporter 0.1 Sockeye 1.18.99 MLNX_OFED OpenMPI 3.1.4 Horovod 0.18.1 Nsight Compute 2019.4.0 Nsight Systems 2019.4.2 DALI 0.13.0 Beta GluonCV Toolkit 0.4 GluonNLP Toolkit 0.8.1 TensorRT 6.0.1 Tensor Core 优化示例: ResNet-50 v1.5 Jupyter 和 JupyterLab: Jupyter Client 5.3.1 Jupyter Core 4.5.0 Jupyter Notebook 6.0.1 JupyterLab 1.1.1 JupyterLab Server 1.0.6 Jupyter-TensorBoard	1.5.0 commit 75a9e187d from June 27, 2019 包括 Python 3.5 ONNX exporter 0.1 Sockeye 1.18.99 MLNX_OFED +4.0 OpenMPI 3.1.4 Horovod 0.16.4 Nsight Compute 10.1.168 Nsight Systems 2019.3.7.9 DALI 0.12.0 Beta GluonCV Toolkit 0.4 GluonNLP Toolkit 0.7.1 TensorRT 5.1.5 Tensor Core 优化示例: ResNet-50 v1.5 Jupyter 和 JupyterLab: Jupyter Client 5.3.1 Jupyter Core 4.5.0 Jupyter Notebook 5.7.8 Jupyter Notebook 6.0.0 JupyterLab 1.0.5 JupyterLab Server 1.0.0 Jupyter-TensorBoard	1.5.0.rc2 including upstream commits up through commit 75a9e187d from June 27, 2019 包括 Python 3.5 ONNX exporter 0.1 Sockeye 1.18.99 MLNX_OFED +3.4 OpenMPI 3.1.3 Nsight Compute 10.1.168 Nsight Systems 2019.3.6.30 Horovod 0.16.2 DALI 0.11.0 Beta TensorRT 5.1.5 Tensor Core 优化示例: ResNet-50 v1.5 Jupyter 和 JupyterLab: Jupyter Client 5.3.1 Jupyter Core 4.5.0 Jupyter Notebook 5.7.8 JupyterLab 1.0.0 JupyterLab Server 1.0.0 Jupyter-TensorBoard	1.4.1 包括 Python 3.5 ONNX exporter 0.1 Sockeye 1.18.61 OpenMPI 3.1.3 Nsight Compute 10.1.168 Nsight Systems 2019.3.1.94 Horovod 0.16.2 DALI 0.10.0 Beta TensorRT 5.1.5 Tensor Core 优化示例: ResNet-50 v1.5 Jupyter 和 JupyterLab: Jupyter Client 5.2.4 Jupyter Core 4.4.0 Jupyter Notebook 5.7.8 JupyterLab 0.35.6 JupyterLab Server 0.2.0	1.4.0 commit 87c7addcd from February 12, 2019 包括 Python 3.5 ONNX exporter 0.1 Sockeye 1.18.61 OpenMPI 3.1.3 Horovod 0.16.1 Nsight Compute 10.1.163 Nsight Systems 2019.3.1.94 DALI 0.9.1 Beta TensorRT 5.1.5 Tensor Core 优化示例: ResNet-50 v1.5 Jupyter 和 JupyterLab Jupyter Client 5.2.4 Jupyter Core 4.4.0 JupyterLab 0.35.4 JupyterLab Server 0.2.0	1.4.0 commit 87c7addcd from February 12, 2019 包括 Python 3.5 ONNX exporter 0.1 Sockeye 1.18.61 OpenMPI 3.1.3 Nsight Compute 10.1.105 Nsight Systems 2019.3.1.8 Horovod 0.13.11 DALI 0.8.1 Beta TensorRT 5.1.2 RC Tensor Core 优化示例: ResNet-50 v1.5 Jupyter 和 JupyterLab: Jupyter Client 5.2.4 Jupyter Core 4.4.0 JupyterLab 0.35.4 JupyterLab Server 0.2.0	1.4.0 包括 Python 3.5 ONNX exporter 0.1 Sockeye 1.18.61 OpenMPI 3.1.3 Nsight Compute 10.1.105 Nsight Systems 10.1.105 Horovod 0.13.11 DALI 0.7 Beta TensorRT 5.1.2 RC Tensor Core 优化示例 ResNet-50 v1.5 Jupyter 和 JupyterLab: Jupyter Client 5.2.4 Jupyter Core 4.4.0 JupyterLab 0.35.4 JupyterLab Server 0.2.0	1.4.0.rc0 包括 Python 3.5 ONNX exporter 0.1 Sockeye 1.18.61 OpenMPI 3.1.3 Horovod 0.13.11 TensorRT 5.0.2 DALI 0.6.1 Beta Tensor Core 优化示例 ResNet50 v1.5 Jupyter 和 JupyterLab: Jupyter Client 5.2.4 Jupyter Core 4.4.0 JupyterLab 0.35.4 JupyterLab Server 0.2.0	1.4.0.rc0 包括 Python 3.5 ONNX exporter 0.1 Sockeye 1.18.61 OpenMPI 3.1.3 Horovod 0.13.11 TensorRT 5.0.2 DALI 0.6 Beta Tensor Core 优化示例: ResNet50 v1.5
	NVIDIA 优化深度学习框架，由 Apache MXNet 驱动	Docker 镜像大小：6.05 GB		Docker 镜像大小：6.14 GB		Docker 镜像大小：6.2 GB	Docker 镜像大小：5.75 GB	Docker 镜像大小：5.75 GB	Docker 镜像大小：5.11 GB	Docker 镜像大小：4.99 GB	Docker 镜像大小：4.95 GB	Docker 镜像大小：4.9 GB	Docker 镜像大小：4.73 GB	Docker 镜像大小：3.83 GB	Docker 镜像大小：3.82 GB
	PyTorch	1.4.0a0+a5b4d78 包括 Python 3.6 APEX MLNX_OFED OpenMPI 3.1.4 Nsight Compute 2019.5.0 Nsight Systems 2019.6.1 TensorBoard 2.1.0 DALI 0.16.0 Beta TensorRT 6.0.1 Tensor Core 优化示例: ResNeXt101-32x4d SE-ResNext TransformerXL Jasper BERT Mask R-CNN Tacotron 2 和 WaveGlow v1.1 SSD300 v1.1 神经协同过滤 (NCF) Transformer ResNet50 v1.5 GNMT v2 Jupyter 和 JupyterLab: Jupyter Client 5.3.4 Jupyter Core 4.6.1 Jupyter Notebook 6.0.2 JupyterLab 1.0.4 JupyterLab Server 1.0.6 Jupyter-TensorBoard		1.4.0a0+174e1ba 包括 Python 3.6 APEX MLNX_OFED OpenMPI 3.1.4 Nsight Compute 2019.5.0 Nsight Systems 2019.5.2 TensorBoard 2.0.1 DALI 0.15.0 Beta TensorRT 6.0.1 Tensor Core 优化示例: ResNeXt101-32x4d SE-ResNext TransformerXL Jasper BERT Mask R-CNN Tacotron 2 和 WaveGlow v1.1 SSD300 v1.1 神经协同过滤 (NCF) Transformer ResNet50 v1.5 GNMT v2 Jupyter 和 JupyterLab: Jupyter Client 5.3.4 Jupyter Core 4.6.1 Jupyter Notebook 5.7.8 JupyterLab 1.0.4 JupyterLab Server 1.0.6 Jupyter-TensorBoard		1.3.0a0+24ae9b5 包括 Python 3.6 APEX MLNX_OFED OpenMPI 3.1.4 Nsight Compute 2019.4.0 Nsight Systems 2019.5.1 TensorBoard 2.0.0 DALI 0.14.0 Beta TensorRT 6.0.1 Tensor Core 优化示例: ResNeXt101-32x4d SE-ResNext Jasper BERT Mask R-CNN Tacotron 2 和 WaveGlow v1.1 SSD300 v1.1 神经协同过滤 (NCF) Transformer ResNet50 v1.5 GNMT v2 Jupyter 和 JupyterLab: Jupyter Client 5.3.3 Jupyter Core 4.5.0 Jupyter Notebook 6.0.1 JupyterLab 1.0.4 JupyterLab Server 1.0.6 Jupyter-TensorBoard	1.2.0 包括 Python 3.6 APEX MLNX_OFED OpenMPI 3.1.4 Nsight Compute 2019.4.0 Nsight Systems 2019.4.2 TensorBoard 1.14.0+nv DALI 0.12.0 Beta TensorRT 6.0.1 Tensor Core 优化示例: Jasper BERT Mask R-CNN Tacotron 2 和 WaveGlow v1.1 SSD300 v1.1 神经协同过滤 (NCF) Transformer ResNet50 v1.5 GNMT v2 Jupyter 和 JupyterLab: Jupyter Client 5.3.1 Jupyter Core 4.5.0 Jupyter Notebook 6.0.1 JupyterLab 1.0.4 JupyterLab Server 1.0.6 Jupyter-TensorBoard	1.2.0a0 包括上游提交，直至 commit 9130ab38 from July 31, 2019 以及 cherry-picked performance fix 9462ca29 包括 Python 3.6 APEX MLNX_OFED +4.0 OpenMPI 3.1.4 Nsight Compute 10.1.168 Nsight Systems 2019.3.7.9 TensorBoard 1.14.0+nv DALI 0.12.0 Beta TensorRT 5.1.5 Tensor Core 优化示例: Jasper BERT Mask R-CNN Tacotron 2 和 WaveGlow v1.1 SSD300 v1.1 神经协同过滤 (NCF) Transformer ResNet50 v1.5 GNMT v2 Jupyter 和 JupyterLab: Jupyter Client 5.3.1 Jupyter Core 4.5.0 Jupyter Notebook 5.7.8 Jupyter Notebook 6.0.0 JupyterLab 1.0.4 JupyterLab Server 1.0.0 Jupyter-TensorBoard	1.2.0a0 including upstream commits up through commit f6aac41 from June 19, 2019 包括 Python 3.6 APEX MLNX_OFED +3.4 OpenMPI 3.1.3 Nsight Compute 10.1.168 Nsight Systems 2019.3.6.30 TensorBoard 1.14.0+nv DALI 0.11.0 Beta TensorRT 5.1.5 Tensor Core 优化示例: BERT Mask R-CNN Tacotron 2 和 WaveGlow v1.1 SSD300 v1.1 神经协同过滤 (NCF) Transformer ResNet50 v1.5 GNMT v2 Jupyter 和 JupyterLab: Jupyter Client 5.3.1 Jupyter Core 4.5.0 Jupyter Notebook 5.7.8 JupyterLab 1.0.2 JupyterLab Server 1.0.0 Jupyter-TensorBoard	1.1.0 commit 0885dd28 from May 28, 2019 包括 Python 3.6 APEX OpenMPI 3.1.3 Nsight Compute 10.1.168 Nsight Systems 2019.3.1.94 DALI 0.10.0 Beta TensorRT 5.1.5 Tensor Core 优化示例: BERT Mask R-CNN Tacotron 2 和 WaveGlow v1.1 SSD300 v1.1 神经协同过滤 (NCF) Transformer ResNet50 v1.5 GNMT v2 Jupyter 和 JupyterLab: Jupyter Client 5.2.4 Jupyter Core 4.4.0 Jupyter Notebook 5.7.8 JupyterLab 0.35.6 JupyterLab Server 0.2.0	1.0.1 commit 828a6a3b from March 31, 2019 包括 Python 3.6 APEX OpenMPI 3.1.3 Nsight Compute 10.1.163 Nsight Systems 2019.3.1.94 DALI 0.9.1 Beta TensorRT 5.1.5 Tensor Core 优化示例: Mask R-CNN Tacotron 2 和 WaveGlow v1.1 SSD300 v1.1 神经协同过滤 (NCF) Transformer ResNet50 v1.5 GNMT v2 Jupyter 和 JupyterLab: Jupyter Client 5.2.4 Jupyter Core 4.4.0 JupyterLab 0.35.4 JupyterLab Server 0.2.0	1.0.1 commit 9eb0f43 from March 28, 2019 包括 Python 3.6 APEX OpenMPI 3.1.3 Nsight Compute 10.1.105 Nsight Systems 2019.3.1.8 DALI 0.8.1 Beta TensorRT 5.1.2 RC Tensor Core 优化示例: Mask R-CNN Tacotron 2 和 WaveGlow v1.1 SSD300 v1.1 神经协同过滤 (NCF) Transformer ResNet50 v1.5 GNMT v2 Jupyter 和 JupyterLab: Jupyter Client 5.2.4 Jupyter Core 4.4.0 JupyterLab 0.35.4 JupyterLab Server 0.2.0	1.1.0a0+81e025d 包括 Python 3.6 APEX OpenMPI 3.1.3 Nsight Compute 10.1.105 Nsight Systems 10.1.105 DALI 0.7 Beta TensorRT 5.1.2 RC Tensor Core 优化示例: Tacotron 2 和 WaveGlow v1.1 SSD300 v1.1 神经协同过滤 (NCF) Transformer ResNet50 v1.5 GNMT v2 Jupyter 和 JupyterLab: Jupyter Client 5.2.4 Jupyter Core 4.4.0 JupyterLab 0.35.4 JupyterLab Server 0.2.0	1.1.0a0+c42431b 包括 Python 3.6 APEX OpenMPI 3.1.3 DALI 0.6.1 Beta TensorRT 5.0.2 Tensor Core 优化示例: 神经协同过滤 (NCF) Transformer ResNet50 v1.5 GNMT v2 Jupyter 和 JupyterLab: Jupyter Client 5.2.4 Jupyter Core 4.4.0 JupyterLab 0.35.4 JupyterLab Server 0.2.0	1.0.0 包括 Python 3.6 Caffe2 APEx OpenMPI 3.1.3 DALI 0.6 Beta Tensor Core 优化示例: 神经协同过滤 (NCF) Transformer ResNet50 v1.5 GNMT v2 TensorRT 5.0.2
	PyTorch	Docker 镜像大小：9.28 GB		Docker 镜像大小: 9.21 GB		Docker 镜像大小：9.32 GB	Docker 镜像大小：9 GB	Docker 镜像大小：9 GB	Docker 镜像大小：8.33 GB	Docker 镜像大小：7.7 GB	Docker 镜像大小：7.55 GB	Docker 镜像大小：7.45 GB	Docker 镜像大小：7.71 GB	Docker 镜像大小：6.61 GB	Docker 镜像大小：7.70 GB
	TensorFlow	2.0.0 包括 Python 3.6 Horovod 0.18.2 OpenMPI 3.1.4 TensorBoard 2.0.2 MLNX_OFED TensorRT 6.0.1 DALI 0.16.0 Beta Nsight Compute 2019.5.0 Nsight Systems 2019.6.1 Jupyter 和 JupyterLab: Jupyter Client 5.3.4 Jupyter Core 4.6.1 Jupyter Notebook 5.7.8 JupyterLab 1.0.2 JupyterLab Server 1.0.0 Jupyter-TensorBoard	1.15.0 包括 `19.12-tf1-py2` 包含 Python 2.7 或 `19.12-tf1-py3` 包含 Python 3.6 Horovod 0.18.2 OpenMPI 3.1.4 TensorBoard 1.15.0+nv MLNX_OFED OpenSeq2Seq，位于 commit a81babd TensorRT 6.0.1 DALI 0.16.0 Beta DLProf 19.12 Nsight Compute 2019.5.0 Nsight Systems 2019.6.1 Tensor Core 优化示例: U-Net Medical SSD320 v1.2 神经协同过滤 (NCF) BERT U-Net Industrial Defect Segmentation GNMT v2 ResNet-50 v1.5 Jupyter 和 JupyterLab: Jupyter Client 5.3.4 Jupyter Core 4.6.1 Jupyter Notebook 6.0.2 JupyterLab 1.2.2 JupyterLab Server 1.0.6 Jupyter-TensorBoard	2.0.0 包括 Python 3.6 Horovod 0.18.1 OpenMPI 3.1.4 TensorBoard 2.0.1 MLNX_OFED TensorRT 6.0.1 DALI 0.15.0 Beta Nsight Compute 2019.5.0 Nsight Systems 2019.5.2 Jupyter 和 JupyterLab: Jupyter Client 5.3.4 Jupyter Core 4.6.1 Jupyter Notebook 5.7.8 JupyterLab 1.0.2 JupyterLab Server 1.0.0 Jupyter-TensorBoard	1.15.0 包括 `19.11-tf1-py2` 包含 Python 2.7 或 `19.11-tf1-py3` 包含 Python 3.6 Horovod 0.18.1 OpenMPI 3.1.4 TensorBoard 1.15.0+nv MLNX_OFED OpenSeq2Seq，位于 commit a81babd TensorRT 6.0.1 DALI 0.15.0 Beta DLProf 19.11 Nsight Compute 2019.5.0 Nsight Systems 2019.5.2 Tensor Core 优化示例: U-Net Medical SSD320 v1.2 神经协同过滤 (NCF) BERT U-Net Industrial Defect Segmentation GNMT v2 ResNet-50 v1.5 Jupyter 和 JupyterLab: Jupyter Client 5.3.4 Jupyter Core 4.6.1 Jupyter Notebook 5.7.8 JupyterLab 1.0.2 JupyterLab Server 1.0.0 Jupyter-TensorBoard	1.14.0 包括 Python 2.7 或 Python 3.6 Horovod 0.18.1 OpenMPI 3.1.4 TensorBoard 1.14.0+nv MLNX_OFED OpenSeq2Seq at commit 2e0b1d8 TensorRT 6.0.1 DALI 0.14.0 Beta DLProf 19.10 Nsight Compute 2019.4.0 Nsight Systems 2019.5.1 Tensor Core 优化示例: U-Net Medical SSD320 v1.2 神经协同过滤 (NCF) BERT U-Net Industrial Defect Segmentation GNMT v2 ResNet-50 v1.5 Jupyter 和 JupyterLab: Jupyter Client 5.3.3 Jupyter Core 4.5.0 Jupyter Notebook 5.7.8 JupyterLab 1.0.2 JupyterLab Server 1.0.0 Jupyter-TensorBoard	1.14.0 包括 Python 2.7 或 Python 3.6 Horovod 0.18.0 OpenMPI 3.1.4 TensorBoard 1.14.0+nv MLNX_OFED OpenSeq2Seq，提交版本 2e0b1d8 TensorRT 6.0.1 DALI 0.13.0 Beta DLProf 19.09 Nsight Compute 2019.4.0 Nsight Systems 2019.4.2 Tensor Core 优化示例: U-Net Medical SSD320 v1.2 神经协同过滤 (NCF) BERT U-Net Industrial Defect Segmentation GNMT v2 ResNet-50 v1.5 Jupyter 和 JupyterLab: Jupyter Client 5.3.1 Jupyter Core 4.5.0 Jupyter Notebook 5.7.8 JupyterLab 1.0.2 JupyterLab Server 1.0.0 Jupyter-TensorBoard	1.14.0 包括 Python 2.7 或 Python 3.6 Horovod 0.16.2 OpenMPI 3.1.4 TensorBoard 1.14.0+nv MLNX_OFED +4.0 OpenSeq2Seq，提交版本 2e0b1d8 TensorRT 5.1.5 DALI 0.12.0 Beta DLProf 19.08 Nsight Compute 10.1.168 Nsight Systems 2019.3.7.9 Tensor Core 优化示例: U-Net Medical SSD320 v1.2 神经协同过滤 (NCF) BERT U-Net Industrial Defect Segmentation GNMT v2 ResNet-50 v1.5 Jupyter 和 JupyterLab: Jupyter Client 5.3.1 Jupyter Core 4.5.0 Jupyter Notebook 5.7.8 JupyterLab 1.0.2 JupyterLab Server 1.0.0 Jupyter-TensorBoard	1.14.0 包括 Python 2.7 或 Python 3.6 Horovod 0.16.2 OpenMPI 3.1.3 TensorBoard 1.14.0+nv MLNX_OFED +3.4 OpenSeq2Seq，提交版本 27346d1 TensorRT 5.1.5 DALI 0.11.0 Beta DLProf 19.07 Nsight Compute 10.1.168 Nsight Systems 2019.3.6.30 Tensor Core 优化示例: U-Net Medical SSD320 v1.2 神经协同过滤 (NCF) BERT U-Net Industrial Defect Segmentation GNMT v2 ResNet-50 v1.5 Jupyter 和 JupyterLab: Jupyter Client 5.3.1 Jupyter Core 4.5.0 Jupyter Notebook 5.7.8 JupyterLab 1.0.1 JupyterLab Server 1.0.0 Jupyter-TensorBoard	1.13.1 包括 Python 2.7 或 Python 3.5 Horovod 0.16.2 OpenMPI 3.1.3 TensorBoard 1.13.1+nv MLNX_OFED 3.4 OpenSeq2Seq，提交版本 27346d1 TensorRT 5.1.5 DALI 0.10.0 Beta DLProf 19.06 Nsight Compute 10.1.168 Nsight Systems 2019.3.1.94 Tensor Core 优化示例: U-Net Medical SSD320 v1.2 神经协同过滤 (NCF) BERT U-Net Industrial Defect Segmentation GNMT v2 ResNet-50 v1.5 Jupyter 和 JupyterLab: Jupyter Client 5.2.4 Jupyter Core 4.4.0 Jupyter Notebook 5.7.8 JupyterLab 0.35.6 JupyterLab Server 0.2.0	1.13.1 包括 Python 2.7 或 Python 3.5 Horovod 0.16.1 OpenMPI 3.1.3 TensorBoard 1.13.1 MLNX_OFED 3.4 OpenSeq2Seq TensorRT 5.1.5 DALI 0.9.1 Beta Nsight Compute 10.1.163 Nsight Systems 2019.3.1.94 Tensor Core 优化示例: U-Net Medical SSD320 v1.2 神经协同过滤 (NCF) BERT U-Net Industrial Defect Segmentation GNMT v2 ResNet-50 v1.5 Jupyter 和 JupyterLab: Jupyter Client 5.2.4 Jupyter Core 4.4.0 JupyterLab 0.35.4 JupyterLab Server 0.2.0	1.13.1 包括 Python 2.7 或 Python 3.5 Horovod 0.16.1 OpenMPI 3.1.3 TensorBoard 1.13.1 MLNX_OFED 3.4 OpenSeq2Seq TensorRT 5.1.2 RC DALI 0.8.1 Beta Nsight Compute 10.1.105 Nsight Systems 2019.3.1.8 Tensor Core 优化示例: SSD320 v1.2 神经协同过滤 (NCF) BERT U-Net Industrial Defect Segmentation GNMT v2 ResNet-50 v1.5 Jupyter 和 JupyterLab: Jupyter Client 5.2.4 Jupyter Core 4.4.0 JupyterLab 0.35.4 JupyterLab Server 0.2.0	1.13.1 包括 Python 2.7 或 Python 3.5 Horovod 0.16.0 OpenMPI 3.1.3 TensorBoard 1.13.1 MLNX_OFED 3.4 OpenSeq2Seq TensorRT 5.1.2 RC DALI 0.7 Beta Nsight Compute 10.1.105 Nsight Systems 10.1.105 Tensor Core 优化示例: ResNet-50 v1.5 Jupyter 和 JupyterLab: Jupyter Client 5.2.4 Jupyter Core 4.4.0 JupyterLab 0.35.4 JupyterLab Server 0.2.0	1.13.0-rc0 包括 Python 2.7 或 Python 3.5 Horovod 0.15.1 OpenMPI 3.1.3 TensorBoard 1.12.2 MLNX_OFED 3.4 OpenSeq2Seq v8.12 TensorRT 5.0.2 DALI 0.6.1 Beta Jupyter 和 JupyterLab: Jupyter Client 5.2.4 Jupyter Core 4.4.0 JupyterLab 0.35.4 JupyterLab Server 0.2.0	1.12.0 包括 Python 2.7 或 Python 3.5 Horovod 0.15.1 OpenMPI 3.1.3 TensorBoard 1.12.0 MLNX_OFED 3.4 OpenSeq2Seq v19.01 TensorRT 5.0.2 DALI 0.6 Beta
	TensorFlow	Docker 镜像大小: 7.71 GB	使用 Python 2.7 的 Docker 镜像大小: 7.84 GB 使用 Python 3.6 的 Docker 镜像大小: 8.32 GB	Docker 镜像大小: 7.78	使用 Python 2.7 的 Docker 镜像大小: 8.02 GB 使用 Python 3.6 的 Docker 镜像大小: 8.60 GB	使用 Python 2.7 的 Docker 镜像大小: 7.81 GB 使用 Python 3.6 的 Docker 镜像大小: 8.38 GB	使用 Python 2.7 的 Docker 镜像大小: 6.78 GB 使用 Python 3.6 的 Docker 镜像大小: 7.34 GB	使用 Python 2.7 的 Docker 镜像大小: 6.78 GB 使用 Python 3.6 的 Docker 镜像大小: 7.34 GB	使用 Python 2.7 的 Docker 镜像大小: 6.18 GB 使用 Python 3.6 的 Docker 镜像大小: 6.71 GB	Docker 镜像大小: 6.88 GB	Docker 镜像大小: 6.76 GB	Docker 镜像大小: 6.8 GB	Docker 镜像大小: 6.72 GB	Docker 镜像大小: 6.06 GB	Docker 镜像大小：5.57 GB
	TensorRT	6.0.1 包括： Python 2.7 或 Python 3.6 MLNX_OFED OpenMPI 3.1.4 Nsight Compute 2019.5.0 Nsight Systems 2019.6.1		6.0.1 包括： Python 2.7 或 Python 3.6 MLNX_OFED OpenMPI 3.1.4 Nsight Compute 2019.5.0 Nsight Systems 2019.5.2		6.0.1 包括： Python 2.7 或 Python 3.6 MLNX_OFED OpenMPI 3.1.4 Nsight Compute 2019.4.0 Nsight Systems 2019.5.1	6.0.1 包括： Python 2.7 或 Python 3.6 MLNX_OFED OpenMPI 3.1.4 Nsight Compute 2019.4.0 Nsight Systems 2019.4.2	5.1.5 包括： Python 2.7 或 Python 3.6 MLNX_OFED +4.0 OpenMPI 3.1.4 Nsight Compute 10.1.168 Nsight Systems 2019.3.7.9	5.1.5 包括： Python 2.7 或 Python 3.5 MLNX_OFED +3.4 OpenMPI 3.1.3 Nsight Compute 10.1.168 Nsight Systems 2019.3.6.30	5.1.5 包括： Python 2.7 或 Python 3.5 OpenMPI 3.1.3 Nsight Compute 10.1.168 Nsight Systems 2019.3.1.94	5.1.5 包括： Python 2.7 或 Python 3.5 OpenMPI 3.1.3 Nsight Compute 10.1.163 Nsight Systems 2019.3.1.94	5.1.2 RC 包括： Python 2.7 或 Python 3.5 OpenMPI 3.1.3 Nsight Compute 10.1.105 Nsight Systems 2019.3.1.8	5.1.2 RC 包括： Python 2.7 或 Python 3.5 OpenMPI 3.1.3 Nsight Compute 10.1.105 Nsight Systems 10.1.105	5.0.2 包括： Python 2.7 或 Python 3.5 OpenMPI 3.1.3	5.0.2 包括： Python 2.7 或 Python 3.5 OpenMPI 3.1.3
	TensorRT	Docker 镜像大小 Python 2.7: 4.03 GB 使用 Python 3.6 的 Docker 镜像大小: 4.06 GB		Docker 镜像大小 Python 2.7: 3.83 GB 使用 Python 3.6 的 Docker 镜像大小: 4.16 GB		Docker 镜像大小: 4.2 GB	Docker 镜像大小: 4.4 GB	Docker 镜像大小: 4.4 GB	Docker 镜像大小：3.83 GB	Docker 镜像大小：3.83 GB	Docker 镜像大小：3.83 GB	Docker 镜像大小: 3.79 GB	Docker 镜像大小: 3.91 GB	Docker 镜像大小: 3.01 GB	Docker 镜像大小: 3.00 GB
	TensorRT Inference Server	1.9.0 包括 MLNX_OFED OpenMPI 3.1.4 TensorRT 6.0.1		1.8.0 包括 MLNX_OFED OpenMPI 3.1.4 TensorRT 6.0.1		1.7.0 包括 MLNX_OFED OpenMPI 3.1.4 TensorRT 6.0.1	1.6.0 包括 MLNX_OFED OpenMPI 3.1.4 TensorRT 6.0.1	1.5.0 包括 MLNX_OFED +4.0 OpenMPI 3.1.4 TensorRT 5.1.5	1.4.0 包括 MLNX_OFED +3.4 OpenMPI 3.1.3 TensorRT 5.1.5	1.3.0 包括 OpenMPI 3.1.3 TensorRT 5.1.5	1.2.0 包括 OpenMPI 3.1.3 TensorRT 5.1.5	1.1.0 包括 OpenMPI 3.1.3 TensorRT 5.1.2 RC	1.0.0 包括 OpenMPI 3.1.3 TensorRT 5.1.2 RC	0.11.0 Beta 包括 OpenMPI 3.1.3 TensorRT 5.0.2	0.10.0 Beta 包括 OpenMPI 3.1.3 TensorRT 5.0.2
	TensorRT Inference Server	Docker 镜像大小: 6.12 GB		Docker 镜像大小: 6.15 GB		Docker 镜像大小: 8.26 GB	Docker 镜像大小: 7.73 GB	Docker 镜像大小: 7.73 GB	Docker 镜像大小: 7.15 GB	Docker 镜像大小: 7.15 GB	Docker 镜像大小: 7.02 GB	Docker 镜像大小: 5.22 GB	Docker 镜像大小: 5.33 GB	Docker 镜像大小：4.42 GB	Docker 镜像大小: 4.17 GB
TensorFlow For Jetson		TensorFlow 1.15.0 和 2.0.0，适用于 Jetson		TensorFlow 1.15.0 和 2.0.0，适用于 Jetson		适用于 Jetson 的 TensorFlow 1.14.0	适用于 Jetson 的 TensorFlow 1.14.0	适用于 Jetson 的 TensorFlow 1.14.0	适用于 Jetson 的 TensorFlow 1.14.0		适用于 Jetson 的 TensorFlow 1.13.1	适用于 Jetson 的 TensorFlow 1.13.1	适用于 Jetson 的 TensorFlow 1.13.1	适用于 Jetson 的 TensorFlow 1.13.0-rc0	适用于 Jetson 的 TensorFlow 1.12.0

18.xx 框架容器支持矩阵

注意

深度学习框架容器包遵循基于镜像发布年份和月份的命名约定。例如，镜像的 18.01 版本于 2018 年 1 月发布。

18.xx 容器镜像

	容器镜像	18.12	18.11	18.10	18.09	18.08	18.07	18.06	18.05	18.04	18.03	18.02	18.01
支持平台	主机操作系统	DGX OS 服务器版 4.0.4+、3.1.2+ 和 2.1.1+ (DGX-1) 4.0.1+ (DGX-2) DGX OS 桌面版 4.0.4+ 和 3.1.2+ (DGX Station)	DGX OS 服务器版 4.0.4+、3.1.2+ 和 2.1.1+ (DGX-1) 4.0.1+ (DGX-2) DGX OS 桌面版 4.0.4+ 和 3.1.2+ (DGX Station) 适用于 Red Hat Enterprise Linux 的 DGX 软件堆栈 EL7-18.11 (DGX-1)	DGX OS 服务器版 3.1.2+ 和 2.1.1+ (DGX-1) 4.0.1+ (DGX-2) DGX OS 桌面版 3.1.2+ (DGX Station)	DGX OS 服务器版 3.1.2+ 和 2.1.1+ (DGX-1) 4.0.1+ (DGX-2) DGX OS 桌面版 3.1.2+ (DGX Station)	DGX OS 服务器版 3.1.2+ 和 2.1.1+ (DGX-1) 4.0.1+ (DGX-2) DGX OS 桌面版 3.1.2+ (DGX Station)	DGX OS 服务器版 3.1.2+ 和 2.1.1+ (DGX-1) 4.0.1+ (DGX-2) DGX OS 桌面版 3.1.2+ (DGX Station)	DGX OS 服务器版 3.1.2+ 和 2.1.1+ (DGX-1) 4.0.1+ (DGX-2) DGX OS 桌面版 3.1.2+ (DGX Station)	DGX OS 服务器版 3.1.2+ 和 2.1.1+ (DGX-1) 4.0.1+ (DGX-2) DGX OS 桌面版 3.1.2+ (DGX Station)	DGX OS 服务器版 3.1.2+ 和 2.1.1+ (DGX-1) 4.0.1+ (DGX-2) DGX OS 桌面版 3.1.2+ (DGX Station)	DGX OS 服务器版 3.1.2+ 和 2.1.1+ (DGX-1) 4.0.1+ (DGX-2) DGX OS 桌面版 3.1.2+ (DGX Station)	DGX OS 服务器版 3.1.2+ 和 2.1.1+ (DGX-1) 4.0.1+ (DGX-2) DGX OS 桌面版 3.1.2+ (DGX Station)	DGX OS 服务器版 3.1.2+ 和 2.1.1+ (DGX-1) 4.0.1+ (DGX-2) DGX OS 桌面版 3.1.2+ (DGX Station)
支持平台	NVIDIA 驱动程序	版本 18.12 基于 CUDA 10.0，需要 NVIDIA 驱动程序版本 410.72+。但是，如果您在 Tesla 上运行（Tesla V100、Tesla P4、Tesla P40 或 Tesla P100），您可以使用 NVIDIA 驱动程序版本 384.111+。 CUDA 驱动程序的兼容性包仅支持特定的驱动程序 (请参阅脚注 ¹)。	版本 18.11 基于 CUDA 10.0，需要 NVIDIA 驱动程序版本 410.72+。但是，如果您在 Tesla 上运行（Tesla V100、Tesla P4、Tesla P40 或 Tesla P100），您可以使用 NVIDIA 驱动程序版本 384.111+。 CUDA 驱动程序的兼容性包仅支持特定的驱动程序 (请参阅脚注 ¹)。	版本 18.10 基于 CUDA 10.0，需要 NVIDIA 驱动程序版本 410.72+。但是，如果您在 Tesla 上运行（Tesla V100、Tesla P4、Tesla P40 或 Tesla P100），您可以使用 NVIDIA 驱动程序版本 384.111+。 CUDA 驱动程序的兼容性包仅支持特定的驱动程序 (请参阅脚注 ¹)。	版本 18.09 基于 CUDA 10.0，需要 NVIDIA 驱动程序版本 410.72+。但是，如果您在 Tesla 上运行（Tesla V100、Tesla P4、Tesla P40 或 Tesla P100），您可以使用 NVIDIA 驱动程序版本 384.111+。 CUDA 驱动程序的兼容性包仅支持特定的驱动程序 (请参阅脚注 ¹)。	Ubuntu 16.04 NVIDIA 驱动程序 384.xx+	Ubuntu 16.04 NVIDIA 驱动程序 384.xx+	Ubuntu 16.04 NVIDIA 驱动程序 384.xx+	Ubuntu 16.04 NVIDIA 驱动程序 384.xx+	Ubuntu 16.04 NVIDIA 驱动程序 384.xx+	Ubuntu 16.04 NVIDIA 驱动程序 384.xx+	Ubuntu 16.04 NVIDIA 驱动程序 384.xx+	Ubuntu 16.04 NVIDIA 驱动程序 384.xx+
支持的硬件	GPU 型号	Turing（图灵） Volta（伏特） Pascal（帕斯卡）	Turing（图灵） Volta（伏特） Pascal（帕斯卡）	Turing（图灵） Volta（伏特） Pascal（帕斯卡）	Turing（图灵） Volta（伏特） Pascal（帕斯卡）	Volta 和 Pascal	Volta 和 Pascal	Volta 和 Pascal	Volta 和 Pascal	Volta 和 Pascal	Volta 和 Pascal	Volta 和 Pascal	Volta 和 Pascal
基础镜像	容器操作系统	Ubuntu 16.04	Ubuntu 16.04	Ubuntu 16.04	Ubuntu 16.04	Ubuntu 16.04	Ubuntu 16.04	Ubuntu 16.04	Ubuntu 16.04	Ubuntu 16.04	Ubuntu 16.04	Ubuntu 16.04	Ubuntu 16.04
	CUDA	10.0.130	10.0.130	10.0.130	10.0.130 包括：支持 DGX-2 支持 Turing 支持 Jetson Xavier CUDA 10 兼容性包版本 410.48²⁰	9.0.176	9.0.176	9.0.176	9.0.176	9.0.176	9.0.176	9.0.176	9.0.176
	cuBLAS	10.0.130	10.0.130	10.0.130	10.0.130	9.0.425	9.0.425	9.0.333	9.0.333	9.0.333	9.0.333	9.0.282 补丁 2 和 cuBLAS 9.0.234 补丁 1	9.0.282 补丁 2
	cuDNN	7.4.1	7.4.1	7.4.0	7.3.0	7.2.1	7.1.4	7.1.4	7.1.2	7.1.1	7.1.1	7.0.5	7.0.5
	NCCL	2.3.7	2.3.7	2.3.6	2.3.4	2.2.13	2.2.13	2.2.13	2.1.15	2.1.15	2.1.2	2.1.2	2.1.2
NVIDIA 优化框架	NVCaffe	0.17.2 包括 Python 2.7 OpenMPI 3.1.2 TensorRT 5.0.2	0.17.1 包括 Python 2.7 OpenMPI 3.1.2 TensorRT 5.0.2	0.17.1 包括 Python 2.7 OpenMPI 3.1.2 TensorRT 5.0.0 RC	0.17.1 包括 Python 2.7 OpenMPI 2.0 TensorRT 5.0.0 RC	0.17.1 包括 Python 2.7 OpenMPI 2.0	0.17.1 和 Python 2.7	0.17.0 和 Python 2.7	0.17.0 和 Python 2.7	0.17.0 和 Python 2.7	0.16.6 和 Python 2.7	0.16.5 和 Python 2.7	0.16.5 和 Python 2.7
	NVCaffe	Docker 镜像大小: 3.41 GB	Docker 镜像大小: 3.41 GB	Docker 镜像大小: 3.41 GB	Docker 镜像大小: 3.40 GB	Docker 镜像大小: 3.37 GB	Docker 镜像大小：4.29 GB	0.17.0 和 Python 2.7	0.17.0 和 Python 2.7	0.17.0 和 Python 2.7	0.16.6 和 Python 2.7	0.16.5 和 Python 2.7	0.16.5 和 Python 2.7
	Caffe2					0.8.1 包括 Python 2.7 或 Python 3.5 OpenMPI 1.10.3	0.8.1 包括 Python 2.7 或 Python 3.5 OpenMPI 1.10.3	0.8.1 包括 Python 2.7 或 Python 3.5 OpenMPI 1.10.3	0.8.1 包括 Python 2.7 或 Python 3.5 OpenMPI 1.10.3	0.8.1 包括 Python 2.7 或 Python 3.5 OpenMPI 1.10.3	0.8.1 包括 Python 2.7 或 Python 3.5 OpenMPI 1.10.3	0.8.1 包括 Python 2.7 或 Python 3.5 OpenMPI 1.10.3	0.8.1 包括 Python 2.7 或 Python 3.5 OpenMPI 1.10.3
	Caffe2					Docker 镜像大小: 3.02 GB	Docker 镜像大小: 2.94 GB	0.8.1 包括 Python 2.7 或 Python 3.5 OpenMPI 1.10.3	0.8.1 包括 Python 2.7 或 Python 3.5 OpenMPI 1.10.3	0.8.1 包括 Python 2.7 或 Python 3.5 OpenMPI 1.10.3	0.8.1 包括 Python 2.7 或 Python 3.5 OpenMPI 1.10.3	0.8.1 包括 Python 2.7 或 Python 3.5 OpenMPI 1.10.3	0.8.1 包括 Python 2.7 或 Python 3.5 OpenMPI 1.10.3
	DIGITS	6.1.1 包括 Python 2.7 OpenMPI 3.1.2 NVCaffe 0.17.2 TensorFlow 1.12.0 TensorRT 5.0.2	6.1.1 包括 Python 2.7 OpenMPI 3.1.2 NVCaffe 0.17.1 TensorFlow 1.12.0-rc2 TensorRT 5.0.2	6.1.1 包括 Python 2.7 OpenMPI 3.1.2 NVCaffe 0.17.1 TensorFlow 1.10.0 TensorRT 5.0.0 RC	6.1.1 包括 Python 2.7 NVCaffe 0.17.1 TensorFlow 1.10.0 TensorRT 5.0.0 RC	6.1.1 包括 Python 2.7 NVCaffe 0.17.1 TensorFlow 1.9.0 Torch7	6.1.1 包括 Python 2.7 NVCaffe 0.17.1 TensorFlow 1.8.0 Torch7	6.1.1 包括 Python 2.7 NVCaffe 0.17.0 TensorFlow 1.8.0 Torch7	6.1.1 包括 Python 2.7 NVCaffe 0.17.0 TensorFlow 1.7.0 Torch7	6.1.1 包括 Python 2.7 NVCaffe 0.17.0 TensorFlow 1.7.0 Torch7	6.1.0 包括 Python 2.7 NVCaffe 0.16.6 TensorFlow 1.4.0 Torch7	6.1.0 包括 Python 2.7 NVCaffe 0.16.5 TensorFlow 1.4.0 Torch7	6.0.0 包括 Python 2.7 NVCaffe 0.16.5 TensorFlow 1.4.0 Torch7
	DIGITS	TensorFlow Docker 镜像大小: 5.03 GB Caffe Docker 镜像大小: 3.56 GB	TensorFlow Docker 镜像大小: 5.03 GB Caffe Docker 镜像大小: 3.56 GB	Docker 镜像大小：6.17 GB	Docker 镜像大小: 5.33 GB	Docker 镜像大小: 6.20 GB	Docker 镜像大小: 7.16 GB
	Microsoft Cognitive Toolkit					2.5 包括 Python 3.6 OpenMPI 3.0.0	2.5 包括 Python 3.6 OpenMPI 3.0.0	2.5 包括 Python 3.6 OpenMPI 3.0.0	2.5 包括 Python 3.6 OpenMPI 3.0.0	2.4 包括 Python 3.6 OpenMPI 3.0.0	2.4 包括 Python 3.6 OpenMPI 3.0.0	2.3.1 包括 Python 3.4 OpenMPI 3.0.0	2.3.1 包括 Python 3.4 OpenMPI 3.0.0
	Microsoft Cognitive Toolkit					Docker 镜像大小：6.17 GB	Docker 镜像大小: 6.13 GB	2.5 包括 Python 3.6 OpenMPI 3.0.0	2.5 包括 Python 3.6 OpenMPI 3.0.0	2.4 包括 Python 3.6 OpenMPI 3.0.0	2.4 包括 Python 3.6 OpenMPI 3.0.0	2.3.1 包括 Python 3.4 OpenMPI 3.0.0	2.3.1 包括 Python 3.4 OpenMPI 3.0.0
	NVIDIA 优化深度学习框架，由 Apache MXNet 驱动	1.3.1 包括 Python 3.5 ONNX exporter 0.1 Amazon Labs Sockeye 序列到序列框架 1.18.28 OpenMPI 3.1.2 Horovod 0.15.1 TensorRT 5.0.2 DALI 0.5 Beta 版	1.3.0 包括 Python 3.5 ONNX exporter 0.1 Amazon Labs Sockeye 序列到序列框架 1.18.28 OpenMPI 3.1.2 Horovod 0.15.1 TensorRT 5.0.2 DALI 0.4.1 Beta 版	1.3.0 包括 Python 3.5 ONNX exporter 0.1 Amazon Labs Sockeye 序列到序列框架 1.18.28 OpenMPI 3.1.2 TensorRT 5.0.0 RC DALI 0.4 Beta 版	1.3.0 包括 Python 3.5 ONNX exporter 0.1 Amazon Labs Sockeye 序列到序列框架 1.18.28 TensorRT 5.0.0 RC DALI 0.2 Beta 版	1.2.0 包括 Python 2.7 或 Python 3.5 ONNX exporter 0.1 Amazon Labs Sockeye 序列到序列框架 1.18.28 TensorRT 4.0.1 DALI 0.1.2 Beta 版	1.2.0 包括 Python 2.7 或 Python 3.5 ONNX exporter 0.1 Amazon Labs Sockeye 序列到序列框架 1.18.23 TensorRT 4.0.1 DALI 0.1.1 Beta 版	1.2.0 包括 Python 2.7 或 Python 3.5 ONNX exporter 0.1 Amazon Labs Sockeye 序列到序列框架 1.18.22 TensorRT 4.0.1	1.1.0 包括 Python 2.7 或 Python 3.5 ONNX exporter 0.1 Amazon Labs Sockeye 序列到序列框架 1.18.13	1.1.0 包括 Python 2.7 或 Python 3.5 ONNX exporter 0.1 Amazon Labs Sockeye 序列到序列框架 1.18.1	1.1.0 包括 Python 2.7 或 Python 3.5 ONNX exporter 0.1 Amazon Labs Sockeye 序列到序列框架 1.17.4	1.0.0 包括 Python 2.7 或 Python 3.5 ONNX exporter 0.1 Amazon Labs Sockeye 序列到序列框架 1.17.0	1.0.0 包括 Python 2.7 或 Python 3.5 ONNX exporter 0.1 Amazon Labs Sockeye 序列到序列框架 1.16.2
	NVIDIA 优化深度学习框架，由 Apache MXNet 驱动	Docker 镜像大小: 3.69 GB	Docker 镜像大小: 3.69 GB	Docker 镜像大小: 3.68 GB	Docker 镜像大小: 3.58 GB	Docker 镜像大小: 4.09 GB	Docker 镜像大小: 3.93 GB
	PyTorch	0.4.1+ 包括 Python 3.6 Caffe2 APEx OpenMPI 3.1.2 DALI 0.5 Beta 版 Tensor Core 优化示例: ResNet50 v1.5 GNMT v2 TensorRT 5.0.2	0.4.1+ 包括 Python 3.6 Caffe2 APEx OpenMPI 3.1.2 DALI 0.4.1 Beta 版 Tensor Core 优化示例: ResNet50 v1.5 GNMT v2 TensorRT 5.0.2	0.4.1+ 包括 Python 3.6 Caffe2 APEx OpenMPI 3.1.2 DALI 0.4 Beta 版 Tensor Core 优化示例: ResNet50 v1.5 GNMT v2 TensorRT 5.0.0 RC	0.4.1+ 包括 Python 3.6 Caffe2 APEx DALI 0.2 Beta 版 Tensor Core 优化示例: ResNet50 v1.5 GNMT v2 TensorRT 5.0.0 RC	0.4.1 包括 Python 3.6 Caffe2 0.8.1 APEx DALI 0.1.2 Beta 版 Tensor Core 优化示例: GNMT v2	0.4.0 包括 Python 3.6 Caffe2 0.8.1 APEx DALI 0.1.1 Beta 版	0.4.0 包括 Python 3.6 Caffe2 0.8.1 APEx	0.4.0 包括 Python 3.6 Caffe2 0.8.1 APEx	0.3.1 和 Python 3.6	0.3.0 和 Python 3.6	0.3.0 和 Python 3.6	0.3.0 和 Python 3.6
	PyTorch	Docker 镜像大小: 6.08 GB	Docker 镜像大小: 6.08 GB	Docker 镜像大小: 6.00 GB	Docker 镜像大小: 5.89 GB	Docker 镜像大小: 5.64 GB	Docker 镜像大小: 5.67 GB	0.4.0 包括 Python 3.6 Caffe2 0.8.1 APEx	0.4.0 包括 Python 3.6 Caffe2 0.8.1 APEx	0.3.1 和 Python 3.6	0.3.0 和 Python 3.6	0.3.0 和 Python 3.6	0.3.0 和 Python 3.6
	TensorFlow	1.12.0 包括 Python 2.7 或 Python 3.5 Horovod 0.15.1 OpenMPI 3.1.2 TensorBoard 1.12.0 MLNX_OFED 3.4 OpenSeq2Seq v18.12 TensorRT 5.0.2 DALI 0.5 Beta 版	1.12.0-rc2 包括 Python 2.7 或 Python 3.5 Horovod 0.15.1 OpenMPI 3.1.2 TensorBoard 1.12.0 MLNX_OFED 3.4 OpenSeq2Seq v18.11 TensorRT 5.0.2 DALI 0.4.1 Beta 版	1.10.0 包括 Python 2.7 或 Python 3.5 Horovod 0.13.10 OpenMPI 3.1.2 TensorBoard 1.10.0 MLNX_OFED 3.4 OpenSeq2Seq v18.10 TensorRT 5.0.0 RC DALI 0.4 Beta 版	1.10.0 包括 Python 2.7 或 Python 3.5 Horovod 0.13.10 OpenMPI 3.0.0 TensorBoard 1.10.0 MLNX_OFED 3.4 OpenSeq2Seq v18.09 TensorRT 5.0.0 RC DALI 0.2 Beta 版	1.9.0 包括 Python 2.7 或 Python 3.5 Horovod 0.12.1 OpenMPI 3.0.0 TensorBoard 1.9.0 MLNX_OFED 3.4 OpenSeq2Seq v0.5 TensorRT 4.0.1 DALI 0.1.2 Beta 版	1.8.0 包括 Python 2.7 或 Python 3.5 Horovod 0.12.1 OpenMPI 3.0.0 TensorBoard 1.8.0 MLNX_OFED 3.4 OpenSeq2Seq v0.4 TensorRT 4.0.1 DALI 0.1.1 Beta 版	1.8.0 包括 Python 2.7 或 Python 3.5 Horovod 0.12.1 OpenMPI 3.0.0 TensorBoard 1.8.0 MLNX_OFED 3.4 OpenSeq2Seq v0.2 TensorRT 4.0.1	1.7.0 包括 Python 2.7 或 Python 3.5 Horovod 0.12.1 OpenMPI 3.0.0 TensorBoard 1.7.0 MLNX_OFED 3.4 OpenSeq2Seq v0.2 TensorRT 3.0.4	1.7.0 包括 Python 2.7 或 Python 3.5 Horovod 0.11.3 OpenMPI 3.0.0 TensorBoard 0.4.0-rc1 MLNX_OFED 3.4	1.4.0 包括 Python 2.7 或 Python 3.5 Horovod 0.11.3 OpenMPI 3.0.0 TensorBoard 0.4.0-rc1	1.4.0 包括 Python 2.7 或 Python 3.5 Horovod 0.11.2	1.4.0 包括 Python 2.7 或 Python 3.5 Horovod 0.11.2
	TensorFlow	Docker 镜像大小：4.64 GB	Docker 镜像大小：4.64 GB	Docker 镜像大小：4.57 GB	Docker 镜像大小：3.75 GB	Docker 镜像大小: 3.40 GB	Docker 镜像大小：3.34 GB					1.4.0 包括 Python 2.7 或 Python 3.5 Horovod 0.11.2	1.4.0 包括 Python 2.7 或 Python 3.5 Horovod 0.11.2
	TensorFlow For Jetson	适用于 Jetson 的 TensorFlow 1.12.0	适用于 Jetson 的 TensorFlow 1.12.0-rc2
	TensorRT	TensorRT 5.0.2，包括： Python 2.7 或 Python 3.5 OpenMPI 3.1.2	TensorRT 5.0.2，包括： Python 2.7 或 Python 3.5 OpenMPI 3.1.2	TensorRT 5.0.0 RC，包括： Python 2.7 或 Python 3.5 OpenMPI 3.1.2	TensorRT 5.0.0 RC，包括 Python 2.7 或 Python 3.5	4.0.1 和 Python 2.7 或 Python 3.5	4.0.1 和 Python 2.7 或 Python 3.5	4.0.1 和 Python 2.7 或 Python 3.5	3.0.4 和 Python 2.7	3.0.4 和 Python 2.7	3.0.4 和 Python 2.7	3.0.4 和 Python 2.7	3.0.1 和 Python 2.7
	TensorRT	Docker 镜像大小: 3.00 GB	Docker 镜像大小: 3.00 GB	Docker 镜像大小：2.99 GB	Docker 镜像大小：2.98 GB	Docker 镜像大小：2.56 GB	Docker 镜像大小：2.61 GB	4.0.1 和 Python 2.7 或 Python 3.5	3.0.4 和 Python 2.7	3.0.4 和 Python 2.7	3.0.4 和 Python 2.7	3.0.4 和 Python 2.7	3.0.1 和 Python 2.7
	TensorRT Inference Server	0.9.0 Beta，包括 Python 3.5 OpenMPI 3.1.2 TensorRT 5.0.2	0.8.0 Beta，包括 Python 3.5 OpenMPI 3.1.2 TensorRT 5.0.2	0.7.0 Beta，包括 Python 3.5 OpenMPI 3.1.2 TensorRT 5.0.0 RC	0.6.0 Beta，包括 Python 3.5 OpenMPI 2.0 TensorRT 5.0.0 RC	0.5.0 Beta，包括 Python 2.7 或 Python 3.5 TensorRT 4.0.1	0.4.0 Beta，包括 Python 2.7 或 Python 3.5 TensorRT 4.0.1	0.3.0 Beta，包括 Python 2.7 或 Python 3.5 TensorRT 4.0.1	0.2.0 Beta，包括 Python 2.7 或 Python 3.5 TensorRT 3.0.4	0.1.0 Beta
	TensorRT Inference Server	Docker 镜像大小: 4.17 GB	Docker 镜像大小: 4.17 GB	Docker 镜像大小：4.15 GB	Docker 镜像大小：4.42 GB	Docker 镜像大小：2.37 GB	Docker 镜像大小：2.47 GB	0.3.0 Beta，包括 Python 2.7 或 Python 3.5 TensorRT 4.0.1	0.2.0 Beta，包括 Python 2.7 或 Python 3.5 TensorRT 3.0.4	0.1.0 Beta
	Theano					1.0.2 和 Python 2.7	1.0.2 和 Python 2.7	1.0.1 和 Python 2.7	1.0.1 和 Python 2.7	1.0.1 和 Python 2.7	1.0.1 和 Python 2.7	1.0.1 和 Python 2.7	1.0.1 和 Python 2.7
	Theano					Docker 镜像大小：3.70 GB	Docker 镜像大小：3.74 GB	1.0.1 和 Python 2.7	1.0.1 和 Python 2.7	1.0.1 和 Python 2.7	1.0.1 和 Python 2.7	1.0.1 和 Python 2.7	1.0.1 和 Python 2.7
	Torch					7 和 Python 2.7	7 和 Python 2.7	7 和 Python 2.7	7 和 Python 2.7	7 和 Python 2.7	7 和 Python 2.7	7 和 Python 2.7	7 和 Python 2.7
	Torch					Docker 镜像大小：3.06 GB	Docker 镜像大小：3 GB	7 和 Python 2.7	7 和 Python 2.7	7 和 Python 2.7	7 和 Python 2.7	7 和 Python 2.7	7 和 Python 2.7

17.xx 框架容器支持矩阵

注意

深度学习框架容器软件包遵循基于镜像发布年份和月份的命名约定。例如，镜像的 17.01 版本于 2017 年 1 月发布。

17.xx 容器镜像

	容器镜像	17.12	17.11	17.10	17.09	17.07	17.06	17.05	17.04	17.03	17.02	17.01
支持平台	DGX OS	3.1.2+ 和 2.1.1+	3.1.2+ 和 2.1.1+	3.1.2+ 和 2.1.1+	3.1.2+ 和 2.1.1+	2.x+ 和 1.x+	2.x+ 和 1.x+	2.x+ 和 1.x+	2.x+ 和 1.x+	2.x+ 和 1.x+	2.x+ 和 1.x+	2.x+ 和 1.x+
支持平台	NVIDIA 驱动程序	384	384	384	384
基础镜像	Ubuntu	16.04	16.04	16.04	16.04	16.04	16.04	16.04	16.04	16.04	14.04	14.04
	CUDA	9.0.176	9.0.176	9.0	9.0	8.0.61.2	8.0.61	8.0.61	8.0.61	8.0.61	8.0.61	8.0.54
	cuBLAS	9.0.234	9.0.234			补丁 2
	cuDNN	7.0.5	7.0.4	7.0.3	7.0.2	6.0.21	6.0.21	6.0.21	6.0.20	6.0.20	6.0.13	6.0.10
	NCCL	2.1.2	2.1.2	2.0.5	2.0.5	2.0.3	1.6.1	1.6.1	1.6.1	1.6.1	1.6.1	1.6.1
NVIDIA 优化框架	NVCaffe	0.16.4	0.16.4	0.16.4	0.16.4	0.16	0.16	0.16	0.16	0.16	0.16	0.16
	Caffe2	0.8.1 和 OpenMPI 1.10.3	0.8.1 和 OpenMPI 1.10.3	0.8.1 和 OpenMPI 1.10.3	0.8.1 和 OpenMPI 1.10.3	0.7.0 和 OpenMPI 1.10.3	0.7.0 和 OpenMPI 1.10.3	0.5.0+ 和 OpenMPI 1.10.3	0.5.0+ 和 OpenMPI 1.10.3
	DIGITS	6.0.0，包括 NVCaffe 0.16.4 TensorFlow 1.4.0 Torch7	6.0.0，包括 NVCaffe 0.16.4 TensorFlow 1.3.0 Torch7	6.0.0，包括 NVCaffe 0.16.4 TensorFlow 1.3.0 Torch7	6.0.0，包括 NVCaffe 0.16.4 TensorFlow 1.3.0 Torch7	6.0.0，包括 NVCaffe 0.16 Torch7	5.0，包括 NVCaffe 0.16 Torch7	5.0，包括 NVCaffe 0.16 Torch7	5.0，包括 NVCaffe 0.16 Torch7	5.0，包括 NVCaffe 0.16 Torch7	5.0，包括 NVCaffe 0.16 Torch7	5.0，包括 NVCaffe 0.16 Torch7
	Microsoft Cognitive Toolkit	2.2 和 OpenMPI 3.0.0	2.2 和 OpenMPI 3.0.0	2.2	2.1	2.0	2.0	2.0.rc2	2.0.beta15.0	2.0.beta12.0	2.0.beta9.0	2.0.beta5.0
	NVIDIA 优化深度学习框架，由 Apache MXNet 驱动	1.0.0	0.12.0	0.11.0	0.11.0.rc3	0.10.0	0.10.0	0.9.3a+	0.9.3a+	0.9.3
	PyTorch	0.2.0	0.2.0	0.2.0	0.2.0	0.1.12	0.1.12	0.1.12	0.1.10
	TensorFlow	1.4.0	1.3.0	1.3.0	1.3.0	1.2.1	1.1.0	1.0.1	1.0.1	1.0.0	0.12.1	0.12.0
	TensorRT	3.0.1
	Theano	1.0.0rc1	1.0.0rc1	0.10beta3	0.10beta1	0.9.0	0.9.0	0.9.0	0.9.0	0.9.0rc3	0.8.0	0.8.0
	Torch	7	7	7	7	7	7	7	7	7	7	7

16.xx 框架容器支持矩阵

注意

深度学习框架容器软件包遵循基于镜像发布年份和月份的命名约定。例如，镜像的 16.12 版本于 2016 年 12 月发布。

16.xx 容器镜像

	容器镜像	16.12
支持平台	DGX OS	2.x+ 和 1.x+
支持平台	NVIDIA 驱动程序
基础镜像	Ubuntu	14.04
	CUDA	8.0.54
	cuBLAS
	cuDNN	6.0.5
	NCCL	1.6.1
NVIDIA 优化框架	NVCaffe	0.16
	Caffe2
	DIGITS	5.0，包括 NVCaffe 0.16 Torch7
	Microsoft Cognitive Toolkit	2.0.beta5.0
	NVIDIA 优化深度学习框架，由 Apache MXNet 驱动
	PyTorch
	TensorFlow	0.12.0
	TensorRT
	Theano	0.8.0
	Torch	7

声明

本文档仅供参考，不应被视为对产品的特定功能、条件或质量的保证。NVIDIA 公司（“NVIDIA”）对本文档中包含信息的准确性或完整性不作任何明示或暗示的陈述或保证，并且对本文档中包含的任何错误不承担任何责任。NVIDIA 对因使用此类信息而造成的后果或使用，或因其使用而可能导致的任何专利或第三方其他权利的侵犯不承担任何责任。本文档不承诺开发、发布或交付任何材料（如下定义）、代码或功能。

NVIDIA 保留在任何时候对本文档进行更正、修改、增强、改进和任何其他更改的权利，恕不另行通知。

客户在下订单前应获取最新的相关信息，并应验证此类信息是最新且完整的。

NVIDIA 产品的销售受订单确认时提供的 NVIDIA 标准销售条款和条件的约束，除非 NVIDIA 和客户的授权代表签署的个别销售协议（“销售条款”）另有约定。NVIDIA 在此明确反对将任何客户通用条款和条件应用于购买本文档中引用的 NVIDIA 产品。本文件不直接或间接地形成任何合同义务。

NVIDIA 产品并非设计、授权或保证适用于医疗、军事、航空、航天或生命支持设备，也不适用于 NVIDIA 产品发生故障或失灵可能合理预期会导致人身伤害、死亡或财产或环境损害的应用。NVIDIA 对在上述设备或应用中包含和/或使用 NVIDIA 产品不承担任何责任，因此，此类包含和/或使用由客户自行承担风险。

NVIDIA 不声明或保证基于本文档的产品将适用于任何特定用途。NVIDIA 不一定对每个产品的所有参数进行测试。客户全权负责评估和确定本文档中包含的任何信息的适用性，确保产品适合并符合客户计划的应用，并为该应用执行必要的测试，以避免应用或产品的默认设置。客户产品设计中的缺陷可能会影响 NVIDIA 产品的质量和可靠性，并可能导致超出本文档中包含的附加或不同条件和/或要求。对于可能基于或归因于以下原因的任何默认设置、损坏、成本或问题，NVIDIA 不承担任何责任：（i）以任何与本文档相悖的方式使用 NVIDIA 产品；或（ii）客户产品设计。

根据本文档，未授予任何 NVIDIA 专利权、版权或其他 NVIDIA 知识产权下的任何明示或暗示的许可。NVIDIA 发布的关于第三方产品或服务的信息不构成 NVIDIA 授予的使用此类产品或服务的许可，也不构成对此类产品或服务的保证或认可。使用此类信息可能需要获得第三方的专利或其他知识产权下的第三方许可，或者获得 NVIDIA 的专利或其他知识产权下的 NVIDIA 许可。

仅当事先获得 NVIDIA 书面批准，未经修改复制并完全遵守所有适用的出口法律和法规，并附带所有相关的条件、限制和声明时，才允许复制本文档中的信息。

本文档以及所有 NVIDIA 设计规范、参考板、文件、图纸、诊断程序、列表和其他文档（统称为“材料”，单独称为“材料”）均按“原样”提供。NVIDIA 对材料不作任何明示、暗示、法定或其他方面的保证，并且明确否认所有关于不侵权、适销性和特定用途适用性的暗示保证。在法律未禁止的范围内，在任何情况下，NVIDIA 均不对因使用本文档而引起的任何损害（包括但不限于任何直接、间接、特殊、偶然、惩罚性或后果性损害，无论因何种原因造成，也无论责任理论如何）承担责任，即使 NVIDIA 已被告知可能发生此类损害。尽管客户可能因任何原因而遭受任何损害，但 NVIDIA 对本文所述产品的客户承担的总体和累积责任应根据产品的销售条款进行限制。

HDMI

HDMI、HDMI 标志和 High-Definition Multimedia Interface 是 HDMI Licensing LLC 的商标或注册商标。

OpenCL

OpenCL 是 Apple Inc. 的商标，已获得 Khronos Group Inc. 的许可使用。

商标

NVIDIA、NVIDIA 徽标以及 cuBLAS、CUDA、DALI、DGX、DGX-1、DGX-2、DGX Station、DLProf、Jetson、Kepler、Maxwell、NCCL、Nsight Compute、Nsight Systems、NvCaffe、PerfWorks、Pascal、SDK Manager、Tegra、TensorRT、Triton Inference Server、Tesla、TF-TRT 和 Volta 是 NVIDIA Corporation 在美国和其他国家/地区的商标和/或注册商标。其他公司和产品名称可能是与其相关联的各自公司的商标。

¹ NVIDIA 承认 CentOS 的广泛使用，并理解它是 NVIDIA 支持的 Red Hat Enterprise Linux 的社区开发衍生版本。对 CentOS 的支持可直接从 CentOS 社区获得。NVIDIA 主要在 Red Hat Linux 上测试框架容器，但确保所有 NVIDIA 提供的软件在经过测试的 CentOS 版本上运行，并将尝试识别和纠正与 NVIDIA 提供的软件相关的问题。

² NVIDIA 承认 CentOS 的广泛使用，并理解它是 NVIDIA 支持的 Red Hat Enterprise Linux 的社区开发衍生版本。对 CentOS 的支持可直接从 CentOS 社区获得。NVIDIA 主要在 Red Hat Linux 上测试框架容器，但确保所有 NVIDIA 提供的软件在经过测试的 CentOS 版本上运行，并将尝试识别和纠正与 NVIDIA 提供的软件相关的问题。

³ NVIDIA 承认 CentOS 的广泛使用，并理解它是 NVIDIA 支持的 Red Hat Enterprise Linux 的社区开发衍生版本。对 CentOS 的支持可直接从 CentOS 社区获得。NVIDIA 主要在 Red Hat Linux 上测试框架容器，但确保所有 NVIDIA 提供的软件在经过测试的 CentOS 版本上运行，并将尝试识别和纠正与 NVIDIA 提供的软件相关的问题。

⁴ NVIDIA 承认 CentOS 的广泛使用，并理解它是 NVIDIA 支持的 Red Hat Enterprise Linux 的社区开发衍生版本。对 CentOS 的支持可直接从 CentOS 社区获得。NVIDIA 主要在 Red Hat Linux 上测试框架容器，但确保所有 NVIDIA 提供的软件在经过测试的 CentOS 版本上运行，并将尝试识别和纠正与 NVIDIA 提供的软件相关的问题。

⁵ NVIDIA 承认 CentOS 的广泛使用，并理解它是 NVIDIA 支持的 Red Hat Enterprise Linux 的社区开发衍生版本。对 CentOS 的支持可直接从 CentOS 社区获得。NVIDIA 主要在 Red Hat Linux 上测试框架容器，但确保所有 NVIDIA 提供的软件在经过测试的 CentOS 版本上运行，并将尝试识别和纠正与 NVIDIA 提供的软件相关的问题。

⁶ NVIDIA 承认 CentOS 的广泛使用，并理解它是 NVIDIA 支持的 Red Hat Enterprise Linux 的社区开发衍生版本。对 CentOS 的支持可直接从 CentOS 社区获得。NVIDIA 主要在 Red Hat Linux 上测试框架容器，但确保所有 NVIDIA 提供的软件在经过测试的 CentOS 版本上运行，并将尝试识别和纠正与 NVIDIA 提供的软件相关的问题。

⁷ NVIDIA 承认 CentOS 的广泛使用，并理解它是 NVIDIA 支持的 Red Hat Enterprise Linux 的社区开发衍生版本。对 CentOS 的支持可直接从 CentOS 社区获得。NVIDIA 主要在 Red Hat Linux 上测试框架容器，但确保所有 NVIDIA 提供的软件在经过测试的 CentOS 版本上运行，并将尝试识别和纠正与 NVIDIA 提供的软件相关的问题。

⁸ NVIDIA 承认 CentOS 的广泛使用，并理解它是 NVIDIA 支持的 Red Hat Enterprise Linux 的社区开发衍生版本。对 CentOS 的支持可直接从 CentOS 社区获得。NVIDIA 主要在 Red Hat Linux 上测试框架容器，但确保所有 NVIDIA 提供的软件在经过测试的 CentOS 版本上运行，并将尝试识别和纠正与 NVIDIA 提供的软件相关的问题。

⁹ NVIDIA 承认 CentOS 的广泛使用，并理解它是 NVIDIA 支持的 Red Hat Enterprise Linux 的社区开发衍生版本。对 CentOS 的支持可直接从 CentOS 社区获得。NVIDIA 主要在 Red Hat Linux 上测试框架容器，但确保所有 NVIDIA 提供的软件在经过测试的 CentOS 版本上运行，并将尝试识别和纠正与 NVIDIA 提供的软件相关的问题。

¹⁰ NVIDIA 承认 CentOS 的广泛使用，并理解它是 NVIDIA 支持的 Red Hat Enterprise Linux 的社区开发衍生版本。对 CentOS 的支持可直接从 CentOS 社区获得。NVIDIA 主要在 Red Hat Linux 上测试框架容器，但确保所有 NVIDIA 提供的软件在经过测试的 CentOS 版本上运行，并将尝试识别和纠正与 NVIDIA 提供的软件相关的问题。

¹¹ NVIDIA 承认 CentOS 的广泛使用，并理解它是 NVIDIA 支持的 Red Hat Enterprise Linux 的社区开发衍生版本。对 CentOS 的支持可直接从 CentOS 社区获得。NVIDIA 主要在 Red Hat Linux 上测试框架容器，但确保所有 NVIDIA 提供的软件在经过测试的 CentOS 版本上运行，并将尝试识别和纠正与 NVIDIA 提供的软件相关的问题。

¹² NVIDIA 承认 CentOS 的广泛使用，并理解它是 NVIDIA 支持的 Red Hat Enterprise Linux 的社区开发衍生版本。对 CentOS 的支持可直接从 CentOS 社区获得。NVIDIA 主要在 Red Hat Linux 上测试框架容器，但确保所有 NVIDIA 提供的软件在经过测试的 CentOS 版本上运行，并将尝试识别和纠正与 NVIDIA 提供的软件相关的问题。

¹³ NVIDIA 承认 CentOS 的广泛使用，并理解它是 NVIDIA 支持的 Red Hat Enterprise Linux 的社区开发衍生版本。对 CentOS 的支持可直接从 CentOS 社区获得。NVIDIA 主要在 Red Hat Linux 上测试框架容器，但确保所有 NVIDIA 提供的软件在经过测试的 CentOS 版本上运行，并将尝试识别和纠正与 NVIDIA 提供的软件相关的问题。

¹⁴ NVIDIA 承认 CentOS 的广泛使用，并理解它是 NVIDIA 支持的 Red Hat Enterprise Linux 的社区开发衍生版本。对 CentOS 的支持可直接从 CentOS 社区获得。NVIDIA 主要在 Red Hat Linux 上测试框架容器，但确保所有 NVIDIA 提供的软件在经过测试的 CentOS 版本上运行，并将尝试识别和纠正与 NVIDIA 提供的软件相关的问题。

¹⁵ NVIDIA 承认 CentOS 的广泛使用，并理解它是 NVIDIA 支持的 Red Hat Enterprise Linux 的社区开发衍生版本。对 CentOS 的支持可直接从 CentOS 社区获得。NVIDIA 主要在 Red Hat Linux 上测试框架容器，但确保所有 NVIDIA 提供的软件在经过测试的 CentOS 版本上运行，并将尝试识别和纠正与 NVIDIA 提供的软件相关的问题。

¹⁶ 从 20.10 版本开始，框架容器要求系统上至少安装 NVIDIA OFED 驱动程序版本 4.9，以用于 NCCL 多节点应用程序（NVIDIA OFED 驱动程序 4.9 LTS 包含在 DGX OS 4.6 中）。如果您在未安装所需 NVIDIA OFED 驱动程序版本的系统上运行框架容器，您可能会看到一条消息。如果您不打算将 NCCL 用于多节点应用程序，则可以忽略此消息。（4.6+ 多节点 NCCL）

¹⁷ 有关受支持驱动程序的完整列表，请参阅 CUDA 应用程序兼容性主题。有关更多信息，请参阅 CUDA 兼容性和升级。

¹⁸ 20.09 及更早版本具有 Mellanox OFED 4.6 Mellanox verbs 库，并且能够与 Mellanox OFED 4.7 或更早版本的内核模式驱动程序一起使用（用于多节点）。

¹⁹ 我们将于 2019 年 9 月停止支持 DGX OS 3.x。请确保将您的 DGX 系统升级到 DGX OS Server 4.1 或更高版本或 DGX OS Desktop 4.1 或更高版本，以获取安全和功能更新。

²⁰ 兼容性包确保 Linux 驱动程序 R384 与 Tesla GPU 兼容。