Estão disponíveis imagens específicas do Deep Learning VM Image para se adequarem à sua escolha de framework e processador. Atualmente, existem imagens que suportam o PyTorch e a computação genérica de alto desempenho, com versões para fluxos de trabalho ativados para GPU. Para encontrar a imagem pretendida, consulte a tabela abaixo.
Definir uma família de imagens
Escolha uma família de imagens de VMs de aprendizagem profunda com base na framework e no processador de que precisa.
A tabela seguinte apresenta as versões mais recentes das famílias de imagens,
organizadas por tipo de framework.
Para obter a versão mais recente de uma imagem, crie uma instância
fazendo referência a uma família de imagens com latest
no nome.
Se precisar de uma versão específica do framework, avance para Versões do framework suportadas.
Framework | Processador | Apelidos da família de imagens |
---|---|---|
Base | GPU |
common-cu128-ubuntu-2204-nvidia-570 |
PyTorch | GPU | pytorch-2-7-cu128-ubuntu-2204-nvidia-570 |
Escolher um sistema operativo
O Ubuntu 22.04 é o SO predefinido e as imagens incluem a versão 570 do controlador NVIDIA.
São indicadas pelos sufixos -ubuntu-2204-nvidia-570
no nome da família de imagens (consulte a secção Listar todas as versões
disponíveis).
Todas as imagens do Debian foram descontinuadas.
Todas as imagens ativas suportam aceleradores de GPU A3 Ultra.
Imagens do PyTorch
As famílias de imagens do PyTorch oferecem uma Google Cloud distribuição otimizada do PyTorch e do PyTorch Lightning.
Especificar uma versão da imagem
Pode reutilizar a mesma imagem, mesmo que a imagem mais recente seja mais recente. Isto pode ser útil, por exemplo, se estiver a tentar criar um cluster e quiser garantir que as imagens usadas para criar novas instâncias são sempre as mesmas. Não deve usar o nome da família de imagens nesta situação porque, se a imagem mais recente for atualizada, terá imagens diferentes em algumas instâncias no seu cluster.
Em alternativa, pode determinar o nome exato da imagem, incorporar o número da versão e, em seguida, usar essa imagem específica para gerar novas instâncias no cluster.
Para saber o nome exato da imagem mais recente, use o seguinte comando na CLI do Google Cloud com o seu terminal preferido ou na Cloud Shell. Substitua IMAGE_FAMILY pelo nome da família de imagens para a qual quer saber o número da versão mais recente.
gcloud compute images describe-from-family IMAGE_FAMILY \ --project deeplearning-platform-release
Procure o campo name
no resultado e use o nome da imagem indicado aí
quando criar novas instâncias.
Versões de frameworks suportadas
A VM de aprendizagem profunda suporta cada versão da framework com base num cronograma para minimizar as vulnerabilidades de segurança. Reveja a política de apoio técnico da framework Deep Learning VM para compreender as implicações das datas de fim do apoio técnico e fim da disponibilidade.
Se precisar de uma framework ou uma versão do CUDA específica, consulte as tabelas seguintes. Para encontrar um VERSION_DATE
específico para uma imagem, consulte o artigo Listar as versões disponíveis.
Versões base
Todas as imagens baseadas na CPU foram descontinuadas.
Versão do framework de ML | Versão de patch atual | Aceleradores suportados | Data de fim da aplicação de patches e do apoio técnico | Data de fim da disponibilidade | Nome de família da imagem |
---|---|---|---|---|---|
Base-cu128 (Python 3.10 / Ubuntu 22.04) | CUDA 12.8 | GPU (CUDA 12.8) | 1 de agosto de 2026 | 1 de agosto de 2027 | common-cu128-ubuntu-2204-nvidia-570-VERSION_DATE |
Base-CPU (Python 3.10 / Debian 11) | Não aplicável (N/A) | Apenas CPU | 1 de julho de 2024 | 1 de julho de 2025 | common-cpu-VERSION_DATE-debian-11 |
Base-cu124 (Python 3.10) | CUDA 12.4 | GPU (CUDA 12.4) | 1 de abril de 2025 | 1 de abril de 2026 | common-cu124-VERSION_DATE-debian-11-py310 |
Base-cu123 (Python 3.10) | CUDA 12.3 | GPU (CUDA 12.3) | 19 de outubro de 2024 | 19 de outubro de 2025 | common-cu123-VERSION_DATE-debian-11-py310 |
Base-cu122 (Python 3.10) | CUDA 12.2 | GPU (CUDA 12.2) | 28 de junho de 2024 | 28 de junho de 2025 | common-cu122-VERSION_DATE-debian-11-py310 |
Base-cu121 (Python 3.10) | CUDA 12.1 | GPU (CUDA 12.1) | 28 de fevereiro de 2024 | 28 de fevereiro de 2025 | common-cu121-VERSION_DATE-debian-11-py310 |
Base-cu118 (Python 3.10) | CUDA 11.8 | GPU (CUDA 11.8) | 1 de julho de 2024 | 1 de julho de 2025 | common-cu118-VERSION_DATE-debian-11-py310 |
Base-cu113 (Python 3.10) | CUDA 11.3 | GPU (CUDA 11.3) | 1 de janeiro de 2024 | 1 de janeiro de 2025 | common-cu113-VERSION_DATE-debian-11-py310 |
Base-cu113 (Python 3.7) | CUDA 11.3 | GPU (CUDA 11.3) | 1 de setembro de 2023 | 1 de setembro de 2024 | common-cu113-VERSION_DATE-py37 |
Base-cu110 (Python 3.7) | CUDA 11.0 | GPU (CUDA 11.0) | 1 de setembro de 2023 | 1 de setembro de 2024 | common-cu110-VERSION_DATE-py37 |
Base-CPU (Python 3.7) | Não aplicável (N/A) | Apenas CPU | 1 de setembro de 2023 | 1 de setembro de 2024 | common-cpu-VERSION_DATE-debian-10 |
Versões do PyTorch
Versão do framework de ML | Versão de patch atual | Aceleradores suportados | Data de fim da aplicação de patches e do apoio técnico | Data de fim da disponibilidade | Nome de família da imagem |
---|---|---|---|---|---|
2.7 (Python 3.10) | 2.7.1 | CUDA 12.8 | 1 de agosto de 2026 | 1 de agosto de 2027 | pytorch-2-7-cu128-ubuntu-2204-nvidia-570-VERSION_DATE |
2.4 (Python 3.10) | 2.4.0 | CUDA 12.4 | 24 de julho de 2025 | 24 de julho de 2026 | pytorch-2-4-VERSION_DATE-py310 |
2.3 (Python 3.10) | 2.3.0 | CUDA 12.1 | 24 de abril de 2025 | 24 de abril de 2026 | pytorch-2-3-VERSION_DATE-py310 |
2.2 (Python 3.10) | 2.2.0 | CUDA 12.1 | 30 de janeiro de 2025 | 30 de janeiro de 2026 | pytorch-2-2-VERSION_DATE-py310 |
2.1 (Python 3.10) | 2.1.0 | CUDA 12.1 | 4 de outubro de 2024 | 4 de outubro de 2025 | pytorch-2-1-VERSION_DATE-py310 |
2.0 (Python 3.10) | 2.0.0 | CUDA 11.8 | 15 de março de 2024 | 15 de março de 2025 | pytorch-2-0-VERSION_DATE-py310 |
1.13 (Python 3.10) | 1.13.1 | CUDA 11.3 | 8 de dezembro de 2023 | 8 de dez. 2024 | pytorch-1-13-VERSION_DATE-py310 |
1.13 | 1.13.1 | CUDA 11.3 | 8 de dezembro de 2023 | 8 de dez. 2024 | pytorch-1-13-VERSION_DATE-py37 |
1.12 | 1.12.1 | CUDA 11.3 | 1 de setembro de 2023 | 1 de setembro de 2024 | pytorch-1-12-VERSION_DATE-py310 |
Versões do TensorFlow
Todas as imagens do TensorFlow foram descontinuadas.
Versão do framework de ML | Versão de patch atual | Aceleradores suportados | Data de fim da aplicação de patches e do apoio técnico | Data de fim da disponibilidade | Nome de família da imagem |
---|---|---|---|---|---|
2.17 (Python 3.10) | 2.17.0 | Apenas CPU | 11 de julho de 2025 | 11 de julho de 2026 | tf-2-17-cpu-VERSION_DATE-py310 |
2.17 (Python 3.10) | 2.17.0 | GPU (CUDA 12.3) | 11 de julho de 2025 | 11 de julho de 2026 | tf-2-17-cu123-VERSION_DATE-py310 |
2.16 (Python 3.10) | 2.16.2 | Apenas CPU | 28 de junho de 2025 | 28 de junho de 2026 | tf-2-16-cpu-VERSION_DATE-py310 |
2.16 (Python 3.10) | 2.16.2 | GPU (CUDA 12.3) | 28 de junho de 2025 | 28 de junho de 2026 | tf-2-16-cu123-VERSION_DATE-py310 |
2.15 (Python 3.10) | 2.15.0 | Apenas CPU | 14 de novembro de 2024 | 14 de novembro de 2025 | tf-2-15-cpu-VERSION_DATE-py310 |
2.15 (Python 3.10) | 2.15.0 | GPU (CUDA 12.2) | 14 de novembro de 2024 | 14 de novembro de 2025 | tf-2-15-cu122-VERSION_DATE-py310 |
2.14 (Python 3.10) | 2.14.0 | Apenas CPU | 26 de setembro de 2024 | 26 de setembro de 2025 | tf-2-14-cpu-VERSION_DATE-py310 |
2.14 (Python 3.10) | 2.14.0 | GPU (CUDA 11.8) | 26 de setembro de 2024 | 26 de setembro de 2025 | tf-2-14-cu118-VERSION_DATE-py310 |
2.13 (Python 3.10) | 2.13.0 | Apenas CPU | 5 de julho de 2024 | 5 de julho de 2025 | tf-2-13-cpu-VERSION_DATE-py310 |
2.13 (Python 3.10) | 2.13.0 | GPU (CUDA 11.8) | 5 de julho de 2024 | 5 de julho de 2025 | tf-2-13-cu118-VERSION_DATE-py310 |
2.12 (Python 3.10) | 2.12.0 | Apenas CPU | 30 de junho de 2024 | 30 de junho de 2025 | tf-2-12-cpu-VERSION_DATE-py310 |
2.12 (Python 3.10) | 2.12.0 | GPU (CUDA 11.8) | 30 de junho de 2024 | 30 de junho de 2025 | tf-2-12-cu113-VERSION_DATE-py310 |
2.11 (Python 3.10) | 2.11.0 | Apenas CPU | 15 de novembro de 2022 | 15 de novembro de 2023 | tf-2-11-cpu-VERSION_DATE-py310 |
2.11 (Python 3.10) | 2.11.0 | GPU (CUDA 11.3) | 15 de novembro de 2022 | 15 de novembro de 2023 | tf-2-11-cu113-VERSION_DATE-py310 |
2.11 | 2.11.0 | Apenas CPU | 15 de novembro de 2023 | 15 de novembro de 2024 | tf-2-11-cpu-VERSION_DATE-py37 |
2.11 | 2.11.0 | GPU (CUDA 11.3) | 15 de novembro de 2023 | 15 de novembro de 2024 | tf-2-11-cu113-VERSION_DATE-py37 |
2.10 | 2.10.1 | Apenas CPU | 15 de novembro de 2023 | 15 de novembro de 2024 | tf-2-10-cpu-VERSION_DATE-py37 |
2.10 | 2.10.1 | GPU (CUDA 11.3) | 15 de novembro de 2023 | 15 de novembro de 2024 | tf-2-10-cu113-VERSION_DATE-py37 |
2.9 | 2.9.3 | Apenas CPU | 15 de novembro de 2023 | 15 de novembro de 2024 | tf-2-9-cpu-VERSION_DATE-py37 |
2.9 | 2.9.3 | GPU (CUDA 11.3) | 15 de novembro de 2023 | 15 de novembro de 2024 | tf-2-9-cu113-VERSION_DATE-py37 |
2.8 | 2.8.4 | Apenas CPU | 15 de novembro de 2023 | 15 de novembro de 2024 | tf-2-8-cpu-VERSION_DATE-py37 |
2.8 | 2.8.4 | GPU (CUDA 11.3) | 15 de novembro de 2023 | 15 de novembro de 2024 | tf-2-8-cu113-VERSION_DATE-py37 |
2.6 (py39) | 2.6.5 | Apenas CPU | 1 de setembro de 2023 | 1 de setembro de 2024 | tf-2-6-cpu-VERSION_DATE-py39 |
2.6 (py39) | 2.6.5 | GPU (CUDA 11.3) | 1 de setembro de 2023 | 1 de setembro de 2024 | tf-2-6-cu110-VERSION_DATE-py39 |
2.6 (py37) | 2.6.5 | Apenas CPU | 1 de setembro de 2023 | 1 de setembro de 2024 | tf-2-6-cpu-VERSION_DATE-py37 |
2.6 (py37) | 2.6.5 | GPU (CUDA 11.3) | 1 de setembro de 2023 | 1 de setembro de 2024 | tf-2-6-cu110-VERSION_DATE-py37 |
2.3 | 2.3.4 | Apenas CPU | 1 de setembro de 2023 | 1 de setembro de 2024 | tf-2-3-cpu |
2.3 | 2.3.4 | GPU (CUDA 11.3) | 1 de setembro de 2023 | 1 de setembro de 2024 | tf-2-3-cu110-VERSION_DATE |
Após a descontinuação
Quando as imagens atingem a data de fim do patch e do apoio técnico, são descontinuadas. A descontinuação significa que estas imagens são removidas da visibilidade pública e é recomendável usar imagens suportadas para ajudar a garantir a segurança e o desempenho.
Se a sua imagem de VM de aprendizagem profunda estiver descontinuada ou atingir o fim da disponibilidade, recomendamos vivamente que migre para uma imagem mais recente e suportada. Isto ajuda a garantir que continua a receber patches de segurança críticos e as funcionalidades mais recentes. Considere as seguintes formas de migração:
- Se existir uma imagem mais recente e suportada na mesma família de imagens, recomendamos que atualize a sua imagem para uma versão suportada da mesma família de imagens.
- Se não existirem imagens suportadas mais recentes na mesma família de imagens, considere usar uma framework suportada mais recente de uma família de imagens de VMs diferente.
Use uma imagem após a descontinuação
Se tiver de usar uma imagem após a descontinuação contra as recomendações de segurança da Google e por sua própria conta e risco, tem de especificar uma imagem da família de imagens quando criar a instância de VM.
Para listar imagens de um nome de família de imagens após a data de fim de patch e de apoio técnico, inclua a flag --show-deprecated
no comando gcloud compute images list
ou selecione Mostrar imagens descontinuadas quando criar uma instância na Google Cloud consola. Consulte o artigo Liste todas as versões disponíveis com a CLI gcloud.
Para criar uma instância da VM de aprendizagem profunda que use uma imagem descontinuada, consulte o seguinte comando da CLI gcloud de exemplo:
gcloud compute instances create deprecated-tf-vm \ --image=projects/deeplearning-platform-release/global/images/IMAGE_NAME \ --machine-type=n1-standard-4 \ --zone=us-east1-c
Substitua IMAGE_NAME pelo nome da imagem, da seguinte forma:
- Para usar uma imagem específica na família de imagens, use o nome da imagem, por exemplo:
pytorch-2-7-cu128-ubuntu-2204-nvidia-570-v20250728
.
Liste todas as versões disponíveis através da CLI gcloud
Também pode listar todas as imagens da Deep Learning VM disponíveis através do seguinte comando da CLI gcloud:
gcloud compute images list \ --project deeplearning-platform-release \ --format="value(NAME)" \ --no-standard-images
As famílias de imagens são denominadas no formato
FRAMEWORK-CUDA_VERSION-OS
,
em que FRAMEWORK
é a biblioteca de destino,
CUDA_VERSION
é a versão da pilha CUDA e OS
denota o sistema operativo com o
controlador NVIDIA pré-instalado.
Por exemplo, uma imagem da família
pytorch-2-7-cu128-ubuntu-2204-nvidia-570
tem
o PyTorch 2.7, o CUDA 12.8 e o SO é o Ubuntu 22.04 com o controlador NVIDIA 570
pré-instalado.
O que se segue?
Crie uma nova instância de VM de aprendizagem profunda através do Cloud Marketplace ou através da linha de comandos.