小编out*_*229的帖子

在浏览 PyTorch 文档时，我遇到了这个词hermetic packages：

torch.package 添加了对创建包含任意 PyTorch 代码的密封包的支持。这些包可以保存、共享、用于在以后或在不同的机器上加载和执行模型，甚至可以使用 torch::deploy 部署到生产环境中。

我不明白在这种情况下密封包是什么意思。

• 有人可以解释是什么使包装密封？
• 非密封包装会是什么样子？

通过对 Stack Overflow [1][2] 的一些搜索，这个术语似乎是软件世界中使用的通用术语。任何示例——甚至在 PyTorch/Python 世界之外——都有助于巩固我的理解。

谢谢！

[1]创建 Hermetic Maven 构建 [2] Bazel：jar 命令的密封使用？

我有一个 Dockerfile，它从源代码安装 PyTorch 库。

这是 Dockerfile 中的片段，它从 pytorch 源代码执行安装

RUN cd /tmp/ \
 && git clone https://github.com/pytorch/pytorch.git \
 && cd pytorch  \
 && git submodule sync && git submodule update --init --recursive \
 && sudo TORCH_CUDA_ARCH_LIST="6.0 6.1 7.0 7.5 8.0" python3 setup.py install

我对这里发生的事情没有正确的理解，希望得到社区的一些意见：

• 为什么不同的 CUDA 版本 PyTorch 需要不同的安装方式？
• TORCH_CUDA_ARCH_LIST在这种情况下，它的作用是什么？
• 如果我的机器有多个 CUDA 设置，这是否意味着我将在 Docker 容器中安装多个 PyTorch 版本（特定于每个 CUDA 设置）？
• 如果我的机器没有上述 CUDA 设置（“6.0 6.1 7.0 7.5 8.0”），PyTorch 安装会失败吗？

我在 S3 存储桶中存储了预训练的模型工件。我想创建一个加载此模型并将其用于推理的服务。

我在 AWS 生态系统中工作，对使用 ECS 还是 Sagemaker 进行模型部署感到困惑？选择一个而不是另一个有哪些优点/缺点？