AI Platform Deep Learning Container sind eine Reihe von Docker-Containern, in denen wichtige Data-Science-Frameworks, -Bibliotheken und -Tools vorinstalliert sind. Diese Container bieten leistungsoptimierte, konsistente Umgebungen, mit denen Sie schnell Prototypen erstellen und Workflows implementieren können.
Weitere Informationen zu Containern finden Sie unter Container bei Google.
Vorinstallierte Software
Deep Learning Container-Images können so konfiguriert werden, dass sie Folgendes enthalten:
Frameworks:
- TensorFlow
- PyTorch
- R
- scikit-learn
- XGBoost
Python, einschließlich dieser Pakete:
- numpy
- sklearn
- scipy
- pandas
- nltk
- Kissen
- fairness-indicators für Deep Learning Container-Instanzen mit TensorFlow 2.3 und 2.4
- viele andere
Nvidia-Pakete mit dem neuesten Nvidia-Treiber für GPU-fähige Instanzen:
- CUDA 10.*, 11.* und 12.* (die Version hängt vom Framework ab)
- CuDNN 7.* und NCCL 2.* (die Version hängt von der CUDA-Version ab)
JupyterLab
Hugging Face-Frameworks und -Bibliotheken:
- Toolkit zur Inferenz der Textgenerierung
- Toolkit für die Text-Embedding-Inferenz
- Transformer-Bibliothek
- Sentence Transformers-Bibliothek
- Bibliothek für Diffusoren
Model Garden-Container
- vLLM-Bibliothek
Community-Support
Sie können auf Stack Overflow Fragen zu Deep Learning Container stellen oder der Google-Gruppe google-dl-platform beitreten, um über Deep Learning Container zu diskutieren.
Support von der Community erhalten.
Nächste Schritte
Beginnen Sie mit den Deep Learning-Containern, indem Sie die Anleitungen zum Erstellen und Arbeiten mit Deep-Learning-Containern durchgehen.