本文介绍training-nv-pytorch 25.06版本发布记录。
Main Features and Bug Fix Lists
Main Features
Pytorch及其相关组件升级至v2.7.1.8、triton 升级至v3.3.0，vLLM版本升级适配至0.9.1，支持Blackwell新架构。
Bugs Fix
Pytorch升级至v2.7.1.8，解决历史镜像显存优化收益效果下降问题。
Contents
应用场景 | 训练/推理 |
框架 | pytorch |
Requirements | NVIDIA Driver release >= 575 |
核心组件 |
|
Assets
25.06
egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/training-nv-pytorch:25.06-serverless
VPC镜像
acs-registry-vpc.{region-id}.cr.aliyuncs.com/egslingjun/{image:tag}
{region-id}为您使用的ACS产品所在的开服地域，比如：cn-beijing、cn-wulanchabu等。{image:tag}为实际镜像的名称和Tag。
egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/training-nv-pytorch:25.06-serverless镜像适用于ACS产品形态、灵骏多租产品形态；该镜像不适用于灵骏单租产品形态，请勿在灵骏单租场景使用。
Driver Requirements
25.06 Release 基于CUDA 12.8.0，需要NVIDIA驱动程序版本575或更高版本。但是，如果您在数据中心GPU（例如T4或任何其他数据中心GPU）上运行，则可以使用NVIDIA驱动程序版本470.57（或更高版本R470）、525.85（或更高版本 R525）、535.86（或更高版本 R535），或545.23（或更高版本的 R545）。
CUDA驱动程序的兼容性包只支持特定的驱动程序。因此，用户应该从所有R418、R440、R450、R460、R510、R520、R530、R545 、R555和R560驱动程序升级，这些驱动程序不向前兼容CUDA 12.8。有关支持的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。
Key Features and Enhancements
PyTorch编译优化
PyTorch 2.0引入的编译优化能力在单卡小规模下通常可以获得显著的收益，但是在LLM训练中需要引入显存优化、FSDP/DeepSpeed等分布式框架，导致torch.compile()无法简单地获得收益或者存在负收益：
在DeepSpeed框架下控制通信的颗粒度，帮助编译器获取更完整的计算图，做更大范围的编译优化
优化版本的PyTorch：
优化PyTorch编译器前端，确保在计算图中出现任意graph break的情况下仍能正常编译
强化模式匹配以及dynamic shape能力，提高编译后代码性能
结合上述优化，在8B LLM训练下通常可以获得20%左右的E2E吞吐收益。
重计算显存优化
基于大量性能评测数据，包括不同模型在不同集群以及不同训练参数配置，以及评测过程中采集的相关显存利用率等系统指标数据，我们进行模型显存开销的预测建模分析，并推荐出最佳的激活值重算层数，并集成到PyTorch中，让用户可以低门槛的使用显存优化带来的性能收益。当前已支持该特性在DeepSpeed框架中的适配。
ACCL通信库
ACCL是阿里针对灵骏产品自研的高性能网络通信库，针对GPU场景提供ACCL-N版本。ACCL-N是阿里云基于英伟达NCCL定制后提供的高性能通信库，在完全兼容NCCL的基础上，修复了官方NCCL版本的一些BUG，并进行了性能和稳定性相关的优化。
E2E性能收益评估
利用云原生AI性能评测分析工具CNP，我们采用主流开源模型和框架配置，与标准的基础镜像进行了全面的端到端性能比较分析，并通过消融实验分析，进一步评估了每个优化组件对整体模型训练性能的收益贡献。
GPU核心组件E2E性能贡献分析
以下测试基于Golden-25.06, 在多节点GPU集群上进行训练E2E性能评测和对比分析，对比项包括：
Base：NGC PyTorch Image
ACS AI Image：Base+ACCL： 镜像使用ACCL通信库。
ACS AI Image：AC2+ACCL： Golden镜像使用AC2 BaseOS，不开启任何优化。
ACS AI Image：AC2+ACCL+CompilerOpt： Golden镜像使用AC2 BaseOS，只启用torch compile优化。
ACS AI Image：AC2+ACCL+CompilerOpt+CkptOpt：Golden镜像使用AC2 BaseOS，且同时开启torch compile和selective gradient checkpoint优化。
Quick Start
以下示例内容仅通过Docker方式拉取training-nv-pytorch镜像。
在ACS中使用training-nv-pytorch镜像需要通过控制台创建工作负载界面的制品中心页面选取，或者通过YAML文件指定镜像引用。
1. 选择镜像
docker pull egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/training-nv-pytorch:[tag]2. 调用API开启编译器+重计算显存优化
启用编译优化
使用transformers Trainer API：
启用重计算显存优化
export CHECKPOINT_OPTIMIZATION=true
3. 启动容器
镜像中内置了模型训练工具ljperf，以此说明启动容器和运行训练任务的步骤。
LLM类
# 启动容器并进入
docker run --rm -it --ipc=host --net=host --privileged egslingjun-registry.cn-wulanchabu.cr.aliyuncs.com/egslingjun/training-nv-pytorch:[tag]
# 运行训练demo
ljperf benchmark --model deepspeed/llama3-8b 4. 使用建议
镜像中的改动涉及Pytorch、Deepspeed等库，请勿重装。
deepspeed配置中的zero_optimization.stage3_prefetch_bucket_size留空或者auto。
本镜像内置环境变量
NCCL_SOCKET_IFNAME需要根据使用场景动态调整：当单Pod只申请了1/2/4/8卡进行训练/推理任务时：需要设置
NCCL_SOCKET_IFNAME=eth0（本镜像内默认配置）。当单Pod申请了整机的16卡（此时您可以使用HPN高性能网络）进行训练/推理任务时：需要设置
NCCL_SOCKET_IFNAME=hpn0。
Known Issues
（暂无）