사용할 수 있는 Deep Learning VM Image 이미지는 프레임워크와 프로세서에 따라 달라집니다. 현재 TensorFlow, PyTorch, 일반 고성능 컴퓨팅을 지원하는 이미지를 사용할 수 있으며, CPU 전용 및 GPU 사용 설정된 워크플로에 대한 버전이 모두 지원됩니다. 원하는 이미지를 찾으려면 아래 표를 참조하세요.
이미지 계열 결정
필요한 프레임워크 및 프로세서를 기반으로 Deep Learning VM Image 계열을 선택합니다.
다음 표에는 이미지 계열의 최신 버전이 프레임워크 유형별로 정리되어 있습니다.
이미지의 최신 버전을 가져오려면 이름에 latest가 있는 이미지 계열을 참조하여 인스턴스를 만듭니다.
특정 프레임워크 버전이 필요한 경우에는 지원되는 프레임워크 버전으로 건너뜁니다.
| 프레임워크 | 프로세서 | 이미지 계열 이름 |
|---|---|---|
| 기본 | GPU | common-cu113common-cu110
|
| CPU | common-cpu |
|
| TensorFlow Enterprise | GPU | tf-ent-latest-gpu |
| CPU | tf-ent-latest-cpu |
|
| PyTorch | GPU | pytorch-latest-gpu |
| CPU | pytorch-latest-cpu |
운영체제 선택
대부분의 프레임워크에서는 Debian 11이 기본 OS입니다. 일부 프레임워크에서는 Ubuntu 20.04 이미지를 사용할 수 있습니다.
이미지 계열 이름에 -ubuntu-2004 서픽스로 표시됩니다(사용 가능한 모든 버전 나열 참조).
Debian 10 및 Debian 9 이미지는 지원 중단되었습니다.
PyTorch 및 TensorFlow Enterprise 이미지 계열은 A100 GPU 가속기를 지원합니다.
포함된 종속 항목
각 출시 버전에 포함된 Python 종속 항목 목록은 Cloud Storage의 다음 위치에서 확인할 수 있습니다.
gs://deeplearning-platform-release/installed-dependencies/images/RELEASE_MILESTONE
RELEASE_MILESTONE을 출시 마일스톤으로 바꿉니다(예: m88).
예를 들어 M88 출시 목록은 gs://deeplearning-platform-release/installed-dependencies/images/m88/에 있습니다.
TensorFlow Enterprise 이미지
TensorFlow Enterprise 이미지 계열은 TensorFlow에 대해 Google Cloud에 최적화된 배포판을 제공합니다. 지원되는 버전을 포함하여 TensorFlow Enterprise에 대한 자세한 내용은 TensorFlow Enterprise 개요를 참조하세요.
실험용 이미지
이미지 계열 표에 명시된 대로 일부 Deep Learning VM Image 계열은 실험용으로 제공됩니다. 실험용 이미지는 가능한 범위 내에서 최대한 지원되지만 프레임워크가 새로 출시되어도 업데이트되지 않을 수 있습니다.
이미지 버전 지정
최신 이미지가 원본보다 최신인 경우에도 동일한 이미지를 재사용할 수 있습니다. 이 방법은 예를 들어 클러스터를 만드는 경우 새 인스턴스를 만드는 데 사용되는 모든 이미지가 항상 동일하기 원할 때 유용합니다. 최신 이미지가 업데이트되면 클러스터의 일부 인스턴스에서 다른 이미지가 사용될 수 있으므로 이 상황에서는 이미지 계열 이름을 사용해서는 안됩니다.
대신 이미지의 정확한 이름을 확인하고 버전 번호를 추가한 다음 클러스터에 새 인스턴스를 만들 때 특정 이미지를 사용할 수 있습니다.
최신 이미지의 정확한 이름을 찾으려면 Google Cloud CLI에서 원하는 터미널로 또는 Cloud Shell에서 다음 명령어를 사용하세요. IMAGE_FAMILY를 최신 버전 번호를 확인할 이미지 계열 이름으로 바꿉니다.
gcloud compute images describe-from-family IMAGE_FAMILY \
--project deeplearning-platform-release
출력에서 name 필드를 찾은 다음 새 인스턴스를 만들 때 표시된 이름을 입력합니다.
지원되는 프레임워크 버전
딥 러닝 VM은 보안 취약점을 최소화하는 일정으로 각 프레임워크 버전을 지원합니다. 딥 러닝 VM 프레임워크 지원 정책을 검토하여 지원 종료 및 사용 종료 날짜가 미치는 영향을 파악합니다.
특정 프레임워크 또는 CUDA 버전이 필요하면 다음 테이블을 참조하세요. 이미지의 특정 VERSION_DATE를 찾으려면 사용 가능한 버전 나열을 참조하세요.
기본 버전
| ML 프레임워크 버전 | 현재 패치 버전 | 지원되는 가속기 | 패치 및 지원 종료일 | 사용 종료일 | 이미지 계열 이름 |
|---|---|---|---|---|---|
| Base-CPU(Python 3.10/Debian 11) | 해당 사항 없음(N/A) | CPU만 | 2024년 7월 1일 | 2025년 7월 1일 | common-cpu-VERSION_DATE-debian-11 |
| Base-cu121(Python 3.10) | CUDA 12.1 | GPU(CUDA 12.1) | 2024년 2월 28일 | 2025년 2월 28일 | common-cu121-VERSION_DATE-debian-11-py310 |
| Base-cu118(Python 3.10) | CUDA 11.8 | GPU(CUDA 11.8) | >2024년 7월 1일 | >2025년 7월 1일 | common-cu118-VERSION_DATE-debian-11-py310 |
| Base-cu113(Python 3.10) | CUDA 11.3 | GPU(CUDA 11.3) | 2024년 1월 1일 | 2025년 1월 1일 | common-cu113-VERSION_DATE-debian-11-py310 |
| Base-cu113(Python 3.7) | CUDA 11.3 | GPU(CUDA 11.3) | 2023년 9월 1일 | 2024년 9월 1일 | common-cu113-VERSION_DATE-py37 |
| Base-cu110(Python 3.7) | CUDA 11.0 | GPU(CUDA 11.0) | 2023년 9월 1일 | 2024년 9월 1일 | common-cu110-VERSION_DATE-py37 |
| Base-CPU(Python 3.7) | 해당 사항 없음(N/A) | CPU만 | 2023년 9월 1일 | 2024년 9월 1일 | common-cpu-VERSION_DATE-debian-10 |
TensorFlow 버전
| ML 프레임워크 버전 | 현재 패치 버전 | 지원되는 가속기 | 패치 및 지원 종료일 | 사용 종료일 | 이미지 계열 이름 |
|---|---|---|---|---|---|
| 2.15(Python 3.10) | 2.15.0 | CPU만 | 2024년 11월 14일 | 2025년 11월 14일 | tf-2-15-cpu-VERSION_DATE-py310 |
| 2.15(Python 3.10) | 2.15.0 | GPU(CUDA 12.1) | 2024년 11월 14일 | 2025년 11월 14일 | tf-2-15-cu121-VERSION_DATE-py310 |
| 2.14(Python 3.10) | 2.14.0 | CPU만 | 2024년 9월 26일 | 2025년 9월 26일 | tf-2-14-cpu-VERSION_DATE-py310 |
| 2.14(Python 3.10) | 2.14.0 | GPU(CUDA 11.8) | 2024년 9월 26일 | 2025년 9월 26일 | tf-2-14-cu118-VERSION_DATE-py310 |
| 2.13(Python 3.10) | 2.13.0 | CPU만 | 2024년 7월 5일 | 2025년 7월 5일 | tf-2-13-cpu-VERSION_DATE-py310 |
| 2.13(Python 3.10) | 2.13.0 | GPU(CUDA 11.8) | 2024년 7월 5일 | 2025년 7월 5일 | tf-2-13-cu118-VERSION_DATE-py310 |
| 2.12(Python 3.10) | 2.12.0 | CPU만 | 2024년 6월 30일 | 2025년 6월 30일 | tf-2-12-cpu-VERSION_DATE-py310 |
| 2.12(Python 3.10) | 2.12.0 | GPU(CUDA 11.8) | 2024년 6월 30일 | 2025년 6월 30일 | tf-2-12-cu113-VERSION_DATE-py310 |
| 2.11(Python 3.10) | 2.11.0 | CPU만 | 2022년 11월 15일 | 2023년 11월 15일 | tf-2-11-cpu-VERSION_DATE-py310 |
| 2.11(Python 3.10) | 2.11.0 | GPU(CUDA 11.3) | 2022년 11월 15일 | 2023년 11월 15일 | tf-2-11-cu113-VERSION_DATE-py310 |
| 2.11 | 2.11.0 | CPU만 | 2023년 11월 15일 | 2024년 11월 15일 | tf-2-11-cpu-VERSION_DATE-py37 |
| 2.11 | 2.11.0 | GPU(CUDA 11.3) | 2023년 11월 15일 | 2024년 11월 15일 | tf-2-11-cu113-VERSION_DATE-py37 |
| 2.10 | 2.10.1 | CPU만 | 2023년 11월 15일 | 2024년 11월 15일 | tf-2-10-cpu-VERSION_DATE-py37 |
| 2.10 | 2.10.1 | GPU(CUDA 11.3) | 2023년 11월 15일 | 2024년 11월 15일 | tf-2-10-cu113-VERSION_DATE-py37 |
| 2.9 | 2.9.3 | CPU만 | 2023년 11월 15일 | 2024년 11월 15일 | tf-2-9-cpu-VERSION_DATE-py37 |
| 2.9 | 2.9.3 | GPU(CUDA 11.3) | 2023년 11월 15일 | 2024년 11월 15일 | tf-2-9-cu113-VERSION_DATE-py37 |
| 2.8 | 2.8.4 | CPU만 | 2023년 11월 15일 | 2024년 11월 15일 | tf-2-8-cpu-VERSION_DATE-py37 |
| 2.8 | 2.8.4 | GPU(CUDA 11.3) | 2023년 11월 15일 | 2024년 11월 15일 | tf-2-8-cu113-VERSION_DATE-py37 |
| 2.6(py39) | 2.6.5 | CPU만 | 2024년 8월 10일 | 2025년 8월 10일 | tf-2-6-cpu-VERSION_DATE-py39 |
| 2.6(py39) | 2.6.5 | GPU(CUDA 11.3) | 2024년 8월 10일 | 2025년 8월 10일 | tf-2-6-cu110-VERSION_DATE-py39 |
| 2.6(py37) | 2.6.5 | CPU만 | 2023년 9월 1일 | 2024년 9월 1일 | tf-2-6-cpu-VERSION_DATE-py37 |
| 2.6(py37) | 2.6.5 | GPU(CUDA 11.3) | 2023년 9월 1일 | 2024년 9월 1일 | tf-2-6-cu110-VERSION_DATE-py37 |
| 2.3 | 2.3.4 | CPU만 | 2023년 9월 1일 | 2024년 9월 1일 | tf-2-3-cpu |
| 2.3 | 2.3.4 | GPU(CUDA 11.3) | 2023년 9월 1일 | 2024년 9월 1일 | tf-2-3-cu110-VERSION_DATE |
PyTorch 버전
| ML 프레임워크 버전 | 현재 패치 버전 | 지원되는 가속기 | 패치 및 지원 종료일 | 사용 종료일 | 이미지 계열 이름 |
|---|---|---|---|---|---|
| 2.2(Python 3.10) | 2.2.0 | CUDA 12.1 | 2025년 1월 30일 | 2026년 1월 30일 | pytorch-2-2-VERSION_DATE-py310 |
| 2.1(Python 3.10) | 2.1.0 | CUDA 12.1 | 2024년 10월 4일 | 2025년 10월 4일 | pytorch-2-1-VERSION_DATE-py310 |
| 2.0(Python 3.10) | 2.0.0 | CUDA 11.8 | 2024년 3월 15일 | 2025년 3월 15일 | pytorch-2-0-VERSION_DATE-py310 |
| 1.13(Python 3.10) | 1.13.1 | CUDA 11.3 | 2023년 12월 8일 | 2024년 12월 8일 | pytorch-1-13-VERSION_DATE-py310 |
| 1.13 | 1.13.1 | CUDA 11.3 | 2023년 12월 8일 | 2024년 12월 8일 | pytorch-1-13-VERSION_DATE-py37 |
| 1.12 | 1.12.1 | CUDA 11.3 | 2023년 9월 1일 | 2024년 9월 1일 | pytorch-1-12-VERSION_DATE-py310 |
gcloud CLI를 사용하여 사용 가능한 모든 버전 나열
다음 gcloud CLI 명령어를 사용하여 사용 가능한 모든 딥 러닝 VM 이미지를 나열할 수도 있습니다.
gcloud compute images list \
--project deeplearning-platform-release \
--format="value(NAME)" \
--no-standard-images
이미지 계열은 FRAMEWORK-VERSION-CUDA_VERSION(-experimental) 형식으로 이름이 지정됩니다. 여기서 FRAMEWORK는 대상 라이브러리이고, VERSION은 프레임워크 버전이고, CUDA_VERSION은 CUDA 스택이 있는 경우 해당 버전입니다.
예를 들어 tf-ent-2-13-cu113 계열의 이미지에는 TensorFlow Enterprise 2.13 및 CUDA 11.3이 있습니다.
다음 단계
Cloud Marketplace를 사용하거나 명령줄을 사용하여 새 Deep Learning VM 인스턴스 만들기