云服务器特惠 99/年起
  1. 腾讯云优惠网首页
  2. 腾讯云产品

腾讯云大模型训推平台TI-ONE 内置训练镜像列表

• 腾讯云产品

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，已内置在平台内置镜像中，同时支持开发机和任务式建模；此外 TI-ONE 也内置了自驾行业镜像和具身智能行业镜像，相关行业用户可以快速使用内置镜像构建所需模型。

相关产品
腾讯云大模型训推平台TI-ONE 产品页，含版本规格、价格与购买入口。

一、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，已内置在平台内置镜像中，同时支持开发机和任务式建模；此外 TI-ONE 也内置了自驾行业镜像和具身智能行业镜像，相关行业用户可以快速使用内置镜像构建所需模型。

二、内置通用镜像

框架 镜像名称 支持的训练模式 备注
PyTorch verl0.6.1-vllm0.11.0-torch2.8-py312-cuda12.8-gpu DDP，MPI，Ray 支持的核心库：Python 3.12.11，CUDA 12.8.93，jupyterlab 4.5.0，torch 2.8.0+cu128，transformers 4.57.1，verl 0.6.1，vllm 0.11.0，ray 2.49.2支持的卡型：PNV6，HCCPNV6，H100，H800，L20，L40，A100，A800，A10，V100，T4支持的模块：任务式建模和开发机
 tilearn-llm0.9-torch2.3-py3.10-cuda12.4-gpu DDP，MPI，Ray 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，ray 2.42.0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-llm0.8-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-hadoop2.7pyspark3：Python 3.8，spark-3.3.1-bin-hadoop3pytorch_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  
PySpark spark2.4.5-py3.7-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

三、内置自驾行业镜像

镜像名称 支持的训练模式 备注
ubuntu22.04-miniforge3-cu124-py38-torch2.4-mmcv1.7.2-bevformer DDP，MPI 支持的核心库：CUDA 12.4，miniforge3，jupyterlab 4.3.6，jupyterlab-tensorboard-pro 4.0.0conda 环境：py38：python3.8，torch 2.4.1+cu124，mmcv-full 1.7.2，mmdet 2.26.0，mmsegmentation 0.30.0，mmengine 0.10.3，mmdet3d 0.17.1，tilearn-llm 1.0.3.1适用的模型：BEVFormer，进入镜像的 /examples 目录获取代码示例支持的卡型：PNV6，HCCPNV6，H100，H800，PNV5b，L40，A100，A800，A10，V100，T4支持的模块：任务式建模和开发机
ubuntu22.04-miniforge3-cu124-py38-torch2.4-mmcv1.7.2-vrdma-bevformer DDP，MPI 支持的核心库：CUDA 12.4，miniforge3，jupyterlab 4.3.6，jupyterlab-tensorboard-pro 4.0.0conda 环境：py38：python3.8，torch 2.4.1+cu124，mmcv-full 1.7.2，mmdet 2.26.0，mmsegmentation 0.30.0，mmengine 0.10.3，mmdet3d 0.17.1，tilearn-llm 1.0.3.1适用的模型：BEVFormer，进入镜像的 /examples 目录获取代码示例支持的卡型：HCCPNV6e支持的模块：任务式建模（仅支持使用 vrdma 机型）
ubuntu22.04-miniforge3-cu124-py38-torch2.4-mmcv1.7.2-bevfusion-fastbev-maptr DDP，MPI 支持的核心库：CUDA 12.4，miniforge3，jupyterlab 4.3.6，jupyterlab-tensorboard-pro 4.0.0conda 环境：py38：python3.8，torch 2.4.1+cu124，mmcv-full 1.7.2，mmdet 2.26.0，mmsegmentation 0.30.0，mmengine 0.10.3，tilearn-llm 1.0.3.1，torchpack 0.3.1，flash-attn 0.2.0，mpi4py 4.0.3， av2 0.1适用的模型：FastBEV，BEVFusion，MapTR，进入镜像的 /examples 目录获取代码示例支持的卡型：PNV6，HCCPNV6，H100，H800，PNV5b，L40，A100，A800，A10，V100，T4支持的模块：任务式建模和开发机
ubuntu22.04-miniforge3-cu124-py38-torch2.4-mmcv1.7.2-panoocc DDP，MPI 支持的核心库：CUDA 12.4，miniforge3，jupyterlab 4.3.6，jupyterlab-tensorboard-pro 4.0.0conda 环境：py38：python3.8，torch 2.4.1+cu124，mmcv-full 1.7.2，mmdet 2.26.0，mmsegmentation 0.30.0，mmengine 0.10.3，tilearn-llm 1.0.3.1，mmdet3d（0.17.1，PanoOcc 修改版），timm 1.0.15， einops 0.8.1，simplejson 3.20.1，ipdb 0.13.13，einops 0.8.1，torch-scatter+cu124，cumm（github 开源 0.7.13 + cu124 编译安装）、spconv（github 开源 2.3.8 + cu124 编译安装），ops（1.0，PanoOcc 修改版）适用的模型：PanoOcc，进入镜像的 /examples 目录获取代码示例支持的卡型：PNV6，HCCPNV6，H100，H800，PNV5b，L40，A100，A800，A10，V100，T4支持的模块：任务式建模和开发机
ubuntu22.04-miniforge3-cu124-py38-torch2.4-mmcv1.7.2-sparse4d DDP，MPI 支持的核心库：CUDA 12.4，miniforge3，jupyterlab 4.3.6，jupyterlab-tensorboard-pro 4.0.0conda 环境：py38（通用）：python3.8，torch 2.4.1+cu124，mmcv-full 1.7.2，mmdet 2.26.0，mmsegmentation 0.30.0，mmengine 0.10.3，tilearn-llm 1.0.3.1，mmdet3d（github 开源 0.17.2），numba 0.48.0，numpy 1.19.5，nuscenes-devkit 1.1.9，motmetrics 1.1.3，tensorboard 2.6.0，torchmetrics 0.5.0，protobuf 3.20.*，ops（0.0.0，Sparse4D 修改版）适用的模型：Sparse4D，进入镜像的 /examples 目录获取代码示例支持的卡型：PNV6，HCCPNV6，H100，H800，PNV5b，L40，A100，A800，A10，V100，T4支持的模块：任务式建模和开发机
ubuntu22.04-miniforge3-cu124-py38-torch2.4-mmcv1.7.2-vrdma-sparse4d DDP，MPI 支持的核心库：CUDA 12.4，miniforge3，jupyterlab 4.3.6，jupyterlab-tensorboard-pro 4.0.0conda 环境：py38（通用）：python3.8，torch 2.4.1+cu124，mmcv-full 1.7.2，mmdet 2.26.0，mmsegmentation 0.30.0，mmengine 0.10.3，tilearn-llm 1.0.3.1，mmdet3d（github 开源 0.17.2），numba 0.48.0，numpy 1.19.5，nuscenes-devkit 1.1.9，motmetrics 1.1.3，tensorboard 2.6.0，torchmetrics 0.5.0，protobuf 3.20.*，ops（0.0.0，Sparse4D 修改版）适用的模型：Sparse4D，进入镜像的 /examples 目录获取代码示例支持的卡型：HCCPNV6e支持的模块：任务式建模（仅支持使用 vrdma 机型）
ubuntu22.04-miniforge3-cu124-py38-torch2.4-mmcv1.7.2-uniad DDP，MPI 支持的核心库：CUDA 12.4，miniforge3，jupyterlab 4.3.6，jupyterlab-tensorboard-pro 4.0.0conda 环境：py38（通用）：python3.8，torch 2.4.1+cu124，mmcv-full 1.7.2，mmdet 2.26.0，mmsegmentation 0.30.0，mmengine 0.10.3，tilearn-llm 1.0.3.1，mmdet3d（github 开源 0.17.1），scipy 1.7.3，scikit-image 0.19.3，google-cloud-bigquery 3.30.0，motmetrics 1.1.3，einops 0.4.1，numpy 1.19.5，casadi 3.5.5，pytorch-lightning 1.2.5适用的模型：UniAD，进入镜像的 /examples 目录获取代码示例支持的卡型：PNV6，HCCPNV6，H100，H800，PNV5b，L40，A100，A800，A10，V100，T4支持的模块：任务式建模和开发机
ubuntu22.04-miniforge3-cu124-py38-torch2.4-hivt DDP，MPI 支持的核心库：CUDA 12.4，miniforge3，jupyterlab 4.3.6，jupyterlab-tensorboard-pro 4.0.0conda 环境：py38：python3.8，torch 2.4.1+cu124，pytorch-lightning 1.9.5，torch-geometric 2.6.1，argoverse 1.1.0，tilearn-llm 1.0.3.1适用的模型：HiVT，进入镜像的 /examples 目录获取代码示例支持的卡型：PNV6，HCCPNV6，H100，H800，PNV5b，L40，A100，A800，A10，V100，T4支持的模块：任务式建模和开发机

四、内置具身智能行业镜像

镜像名称 支持的训练模式 备注
isaac-sim5.1-lab2.3 DDP，Ray 支持的核心库：Python 3.11.13，jupyterlab 4.5.0，torch 2.7.0+cu128，transformers 4.51.3，numpy 1.26.4，isaacsim 5.1.0，isaaclab 2.3.0，isaaclab_eval_tasks 0.1.0，robomimic 0.4.0@59ecd40，ray 2.51.1代码示例：进入 /workspace/IsaacLab 获取代码示例支持的卡型：HCCPNV6，L20，A10支持的模块：任务式建模和开发机
isaac-sim5.0-lab2.2 DDP，Ray 支持的核心库：Python 3.11.13，jupyterlab 4.4.9，torch 2.7.0+cu128，transformers 4.57.1，numpy 1.26.4，isaacsim 5.0.0，isaaclab 2.2.0，robomimic 0.4.0@59ecd40，ray 2.50.0代码示例：进入 /workspace/IsaacLab 获取代码示例支持的卡型：HCCPNV6，L20，A10支持的模块：任务式建模和开发机
isaac-sim4.5-lab2.1 DDP，Ray 支持的核心库：Python 3.10，jupyterlab 4.4.6，torch 2.5.1+cu118，transformers 4.55.2，numpy 1.26.4，isaacsim 4.5.0，isaaclab 2.1.0，robomimic 0.4.0@59ecd40，ray 2.48.0代码示例：进入 /workspace/IsaacLab 获取代码示例支持的卡型：HCCPNV6，L20, A10支持的模块：任务式建模和开发机
cosmos-transfer1-cu128 DDP 支持的核心库：CUDA 12.8，miniforge3，jupyterlab 4.3.6，jupyterlab-tensorboard-pro 4.0.0conda 环境：cosmos：python3.12，torch 2.7.1+cu128，torchvision 0.22.1+cu128，apex 0.1，transformer_engine 1.13.0+cu128，flash_attn 2.6.3+cu128适用的模型：cosmos-transfer1，进入镜像的 /workspace/cosmos-transfer1 目录获取代码示例支持的卡型：PNV6，HCCPNV6，H100，H800支持的模块：任务式建模和开发机
isaac-gr00t-n1.5 DDP 支持的核心库：CUDA 12.8，miniforge3，ffmpeg 7.0.1conda 环境：gr00t：python3.11.14，torch 2.5.1，torchvision 0.20.1，transformer 4.51.3，flash_attn 2.7.1.post4，torchcodec 0.1.0适用的模型：GR00T-N1.5-3B，进入镜像的 /workspace/Isaac-GR00T 目录获取代码示例支持的卡型：PNV6，HCCPNV6，H100，H800支持的模块：任务式建模和开发机
cosmos-predict2-cu128 DDP 支持的核心库：CUDA 12.8，uv，jupyterlab 4.4.9uv 环境：cosmos-predict2：python3.12，torch 2.6.0+cu126，torchvision 0.21.0+cu126，diffusers==0.34.0，cosmos-guardrail==0.1.0，apex==0.1.0，flash-attn==2.6.3适用的模型：cosmos-predict2，进入镜像的 /workspace/cosmos-predict2 目录获取代码示例支持的卡型：PNV6，HCCPNV6，H100，H800支持的模块：任务式建模和开发机

五、内置智能体强化学习镜像

镜像名称 支持的训练模式 备注
isaac-sim5.1-lab2.3 Ray 腾讯自研智能体强化学习训练框架，具备低成本接入任意 Agent 进行 RL 训练的能力。

相关内容：

  1. 腾讯云大模型训推平台TI-ONE 内置推理镜像列表 TI-ONE 平台在线服务模块为用户内置了数十种业界主流推理框架，按场景划分为四大类。...
  2. 腾讯云大模型训推平台TI-ONE Angel 训练加速功能介绍 Tilearn-Angel 由 tiacc_training 升级而来，提供兼容 huggingface 生态的大模型训练加速能力，支持手工 cuda 算子结合自动编译优化的计算优化能力，支持兼容 huggingface 生态的 3D 混合并行（TensorParallel、PipelineParallel、DateParallel），支持兼容原生的 DDP 的通信加速能力，用户无需修改原生的使用代码、无需进行模型转。...
  3. 腾讯云大模型训推平台TI-ONE 使用 TI-Profiler 进行训练性能分析 TI-Profiler 是专为 PyTorch 分布式训练设计的性能分析工具，支持 CUDA、NVTX 和 NCCL 性能追踪。用户无需修改训练代码，即可对 PyTorch 训练任务进行全面的性能分析。...
  4. 腾讯云大模型训推平台TI-ONE 大模型训练所需资源指南 这篇旨在介绍 TI-ONE 平台进行大模型训练时，可保障模型正常运行的配置资源，仅供你参考。...
  5. 腾讯云大模型训推平台TI-ONE 使用平台内置镜像发布在线服务开发指引 平台预置了适配主流深度学习和机器学习框架（TensorFlow、PyTorch、PySpark等）的推理镜像，用户可以直接使用平台预置推理镜像部署模型，节省在线服务部署的开发成本。...
  6. 腾讯云大模型训推平台TI-ONE 开发机内使用 Podman 镜像工具 这篇档详细介绍了在腾讯云开发机实例中使用PodMan工具进行镜像管理的基本操作流程，包括登录镜像仓库、拉取镜像、查看镜像、构建镜像、推送镜像、运行容器以及删除镜像或容器等步骤。文档还提供了PodMan工具的关键配置修改方法，并建议在操作过程中注意存储空间的优化管理。登录镜像仓库：使用podman login命令登录私有镜像仓库，需提供仓库URL、用户名和密码。拉取镜像：通过podman pull命令从仓库拉取镜像，建。...
  7. 腾讯云大模型训推平台TI-ONE 使用自定义镜像发布在线服务开发指引 这篇档将向你介绍 TI-ONE 自定义镜像部署在线服务的2种方式，和部署需要遵循的规范约束，再通过典型案例向你演示如何制作自定义镜像，发布在线服务。...
  8. 腾讯云大模型训推平台TI-ONE 任务式建模相关 Python 中 tqdm 模块默认只有到行结束才将这行完全输出，需要完全输出了行日志采集组件才能采集成功；因此用户可以在训练代码中，修改打印日志的代码。...
赞 (0)
上一篇 4天前
下一篇 4天前