フレームワークとプロセッサの組み合わせに合わせて、特定の Deep Learning VM イメージを利用できます。現在は、TensorFlow、PyTorch、汎用の高性能コンピューティングをサポートするイメージがあり、それぞれに CPU のみと GPU 対応のワークフロー バージョンがあります。次の表を参照して、必要なイメージを見つけてください。
イメージ ファミリーの決定
どの Deep Learning VM イメージ ファミリーを使用するかは、ニーズによって決まります。次の表には、イメージ ファミリーの最新バージョンがフレームワーク タイプ別に示されています。名前に latest が含まれているイメージ ファミリーを指定してインスタンスを作成すると、そのイメージの最新バージョンを常に取得できます。特定のフレームワーク バージョンが必要な場合は、利用可能なすべてのバージョンのリストにスキップしてください。
| フレームワーク | プロセッサ | イメージ ファミリー名 |
|---|---|---|
| 基本 | GPU | common-cu110common-cu101common-cu100common-cu92common-cu91common-cu90
|
| CPU | common-cpu |
|
| TensorFlow Enterprise 2.x | GPU | tf2-ent-latest-gpu |
| CPU | tf2-ent-latest-cpu |
|
| TensorFlow Enterprise 1.x | GPU | tf-ent-latest-gpu |
| CPU | tf-ent-latest-cpu |
|
| TensorFlow 2.x | GPU | tf2-2-2-cu101
|
| CPU | tf2-2-2-cpu |
|
| TensorFlow 1.x | GPU | tf-latest-gpu |
| CPU | tf-latest-cpu |
|
| PyTorch | GPU | pytorch-latest-gpu |
| CPU | pytorch-latest-cpu | |
| R | CPU | r-latest-cpu-experimental |
| RAPIDS | GPU | rapids-latest-gpu-experimental |
| Chainer | GPU | chainer-latest-gpu-experimental |
| CPU | chainer-latest-cpu-experimental | |
| XGBoost | GPU | xgboost-latest-gpu-experimental |
| CPU | xgboost-latest-cpu-experimental | |
| MXNet | GPU | mxnet-latest-gpu-experimental |
| CPU | mxnet-latest-cpu-experimental |
|
| CNTK | GPU | cntk-latest-gpu-experimental |
| CPU | cntk-latest-cpu-experimental |
|
| Caffe | GPU | caffe1-latest-gpu-experimental |
| CPU | caffe1-latest-cpu-experimental |
TensorFlow Enterprise イメージ
TensorFlow Enterprise イメージ ファミリーは、長期的なバージョン サポート付きの Google Cloud に最適化された TensorFlow 配布を提供します。TensorFlow Enterprise の詳細については、TensorFlow Enterprise の概要をご覧ください。
次の表に使用可能な TensorFlow イメージを示します。この表を参考にして、必要な TensorFlow または TensorFlow Enterprise のバージョンを含むイメージを選択してください。
| TensorFlow または TensorFlow Enterprise のバージョン | プロセッサ | イメージ ファミリー名 |
|---|---|---|
| TensorFlow Enterprise 2.3 | GPU | tf2-2-3-cu110
|
| CPU | tf2-2-3-cpu |
|
| TensorFlow 2.2 | GPU | tf2-2-2-cu101
|
| CPU | tf2-2-2-cpu
|
|
| TensorFlow Enterprise 2.1 | GPU | tf2-2-1-cu101
|
| CPU | tf2-2-1-cpu |
|
| TensorFlow 2.0 | GPU | tf2-2-0-cu100
|
| CPU | tf2-2-0-cpu |
|
| TensorFlow Enterprise 1.15 | GPU | tf-1-15-cu100
|
| CPU | tf-1-15-cpu |
|
| TensorFlow 1.14 | GPU | tf-1-14-cu100
|
| CPU | tf-1-14-cpu |
|
| TensorFlow 1.13 | GPU | tf-1-13-cu100
|
| CPU | tf-1-13-cpu |
|
| TensorFlow 1.11 | GPU | tf-1-11-cu100
|
| CPU | tf-1-11-cpu |
|
| TensorFlow 1.10 | GPU | tf-1-10-cu100
|
| CPU | tf-1-10-cpu |
試験運用版イメージ
Deep Learning VM イメージ ファミリーの中には試験運用版のものがあります。これらのファミリーには -experimental というサフィックスが付いています。TensorFlow、PyTorch、ベースイメージとは異なり、これらはベスト エフォート ベースでサポートされます。また、フレームワークのリリースに合わせてアップデートされない場合があります。
イメージ バージョンの指定
最新のイメージが存在する場合でも、同じイメージを再利用できます。たとえば、クラスタを作成するときに、新しいインスタンスの作成で同じイメージが常に使用されるようにする場合、この機能は非常に便利です。この状況では、イメージ ファミリーの名前を使用しないでください。最新のイメージが更新されると、クラスタ内の一部のインスタンスに異なるイメージが作成されます。
代わりに、イメージの正確な名前を特定してバージョン番号を組み込み、そのイメージを使用してクラスタ内に新しいインスタンスを生成できます。
最新のイメージの正確な名前を確認するには、希望するターミナルの gcloud コマンドライン ツールか Cloud Shell で次のコマンドを使用します。image-family は、最新のバージョン番号を確認するイメージ ファミリー名に置き換えます。
gcloud compute images describe-from-family image-family \
--project deeplearning-platform-release
出力で name フィールドを探します。新しいインスタンスを作成するときに、このフィールドのイメージ名を使用します。
利用可能なすべてのバージョンのリスト
特定のフレームワークまたは CUDA バージョンが必要な場合は、使用可能なイメージの完全なリストを検索します。使用可能な Deep Learning VM イメージをすべて表示するには、次の gcloud ツールコマンドを実行します。
gcloud compute images list \
--project deeplearning-platform-release \
--no-standard-images
イメージ ファミリーの形式は FRAMEWORK-VERSION-CUDA_VERSION(-experimental) のようになります。FRAMEWORK はターゲット ライブラリ、VERSION はフレームワーク バージョン、CUDA_VERSION は CUDA スタックのバージョン（存在する場合）です。
たとえば、ファミリー tf2-ent-2-3-cu110 からのイメージには TensorFlow 2.3 と CUDA 11.0 があります。ファミリー pytorch-1-4-cpu のイメージには PyTorch 1.4 がありますが、CUDA スタックはありません。
次のステップ
Cloud Marketplace またはコマンドラインを使用して、新しい Deep Learning VM インスタンスを作成する。