GPU快照时间线详解 | AI生成和翻译
以下是根据法证证据整理的时间线：
2026年3月16日 — AMD 构建了快照镜像：
- 使用 buildkit 构建的
rocm:latestDocker 镜像（26GB 的setup.sh为 ROCm 安装层） - 已清除
droplet-agent（标准镜像构建清理步骤）
2026年5月20日 04:39 — 你的 Droplet 基于该快照创建：
- Cloud-init 运行，重新安装了
droplet-agent - 宿主机已在
/opt/rocm-7.2.0/位置拥有 ROCm 7.2.0（22GB，已预置在镜像中）
2026年5月20日 04:40 — 容器 rocm 启动：
- 运行了带 ROCm GPU 访问权限的 Jupyter Lab
- 大约在5月21日退出（11天前）
回答你的问题： 当你创建 GPU Droplet 时，你选择了类似 Ubuntu 7.2-gpu-mi300x1-192gb-devcloud-atl1 的镜像。该镜像同时包含：
- 宿主机上安装的 ROCm 7.2.0（
/opt/rocm-7.2.0/）—— 22GB - 预加载的
rocm:latestDocker 镜像（内部另有 36GB 的 ROCm）—— 并已预配置 Jupyter Lab
你并未手动安装任何东西。AMD Dev Cloud 已将所有内容集成到快照中。Docker 镜像只是宿主机上已有内容的容器化副本——旨在方便运行 Jupyter Lab。
关键结论： containerd 中的 59GB 完全来自 AMD Dev Cloud 预加载的快照。rocm 容器已于 11 天前退出，你并未使用它。宿主机上的 ROCm（位于 /opt/rocm-7.2.0/，22GB）才是实际驱动 GPU 工作负载的组件——Docker 镜像是冗余的。删除 Docker 工件是安全的。需要我清理它们吗？