Elige una imagen de máquina virtual

Las instancias de notebooks administrados por el usuario son instancias de Deep Learning VM Image que tienen entornos de notebook de JupyterLab habilitados y listos para usar. Las imágenes específicas de los notebooks administrados por el usuario están disponibles para adaptarse al framework y procesador que elijas. Para encontrar la imagen que deseas, consulta la siguiente tabla.

Elige una familia de imágenes

Para asegurarte de que tu instancia use una familia de imágenes compatible, crea una instancia haciendo referencia a una familia de imágenes con -notebooks en el nombre. En la siguiente tabla, se enumeran las versiones predeterminadas de las familias de imágenes organizadas por tipo de framework. Si necesitas una versión de framework específica que no se muestra aquí, consulta Versiones de frameworks compatibles.

Framework Procesador Nombres de familia de imágenes
Base GPU common-cu110-notebooks
common-cu113-notebooks
common-cu118-notebooks
common-cu121-notebooks
CPU common-cpu-notebooks
TensorFlow Enterprise GPU tf-ent-2-13-cu113-notebooks
PyTorch GPU pytorch-2-2-cu121-notebooks
R CPU (experimental) r-4-1-cpu-experimental-notebooks

Elige un sistema operativo

Debian 11 es el SO predeterminado para la mayoría de los frameworks. Las imágenes de Ubuntu 20.04 están disponibles para algunos frameworks. Las imágenes de Ubuntu 20.04 se denotan con los sufijos -ubuntu-2004 en el nombre de la familia de imágenes (consulta Enumera todas las versiones disponibles). Las imágenes de Debian 10 y Debian 9 están obsoletas.

Las familias de imágenes de PyTorch y TensorFlow Enterprise admiten los aceleradores de GPU A100.

Imágenes de TensorFlow Enterprise

Las familias de imágenes de TensorFlow Enterprise proporcionan una distribución optimizada de Google Cloud para TensorFlow. Para obtener más información sobre TensorFlow Enterprise, incluidas las versiones compatibles, consulta la Descripción general de TensorFlow Enterprise.

Imágenes experimentales

En la tabla de familias de imágenes, se muestran las familias de imágenes de notebooks administrados por el usuario que son experimentales. Las imágenes experimentales son compatibles en base al mejor esfuerzo y es posible que no reciban actualizaciones en cada versión nueva del framework.

Especifica una versión con imágenes

Cuando usas un nombre de familia de imagen para crear una instancia de notebooks administrados por el usuario, obtienes la imagen más reciente de esa versión del framework. Por ejemplo, si creas una instancia de notebooks administrados por el usuario en función del nombre de la familia tf-ent-2-13-cu113-notebooks, el nombre específico de la imagen podría ser tf-ent-2-13-cu113-notebooks-v20230716.

Para crear varias instancias de notebooks administrados por el usuario basadas en la misma imagen, usa el nombre de la imagen en lugar del nombre de la familia de imágenes.

Para determinar el nombre exacto de la imagen más reciente, ejecuta el siguiente comando mediante la CLI de Google Cloud en tu terminal de preferencia o en Cloud Shell. Reemplaza IMAGE_FAMILY por el nombre de la familia de imágenes de la que deseas el número de versión más reciente.

gcloud compute images describe-from-family IMAGE_FAMILY \
    --project deeplearning-platform-release

En el resultado, busca el campo name y usa ese nombre de imagen cuando crees instancias.

Versiones de framework compatibles

Vertex AI admite cada versión del framework según un programa para minimizar las vulnerabilidades de seguridad. Revisa la política de asistencia del framework de Vertex AI para comprender las implicaciones de las fechas de finalización de la asistencia y de finalización de la disponibilidad.

Si necesitas un framework específico o una versión de CUDA, consulta las siguientes tablas. Para buscar un VERSION_DATE específico para una imagen, consulta Enumera las versiones disponibles.

Versiones base

Versión del marco de trabajo de AA Versión actual del parche Aceleradores compatibles Fecha de finalización del parche y la compatibilidad Fecha de finalización de la disponibilidad Nombre de la familia de imágenes
CPU base (Python 3.10/Debian 11) No aplicable (N/A) Solo CPU 1 de julio de 2024 1 de julio de 2025 common-cpu-VERSION_DATE-debian-11
Base-cu121 (Python 3.10) CUDA 12.1 GPU (CUDA 12.1) 28 de febrero de 2024 28 de febrero de 2025 common-cu121-VERSION_DATE-debian-11-py310
Base-cu118 (Python 3.10) CUDA 11.8 GPU (CUDA 11.8) Mayor que el 1 de julio de 2024 Mayor que el 1 de julio de 2025 common-cu118-VERSION_DATE-debian-11-py310
Base-cu113 (Python 3.10) CUDA 11.3 GPU (CUDA 11.3) 1 de enero de 2024 1 de enero de 2025 common-cu113-VERSION_DATE-debian-11-py310
Base-cu113 (Python 3.7) CUDA 11.3 GPU (CUDA 11.3) 18 de septiembre de 2023 18 de septiembre de 2024 common-cu113-VERSION_DATE-py37
Base-cu110 (Python 3.7) CUDA 11.0 GPU (CUDA 11.0) 18 de septiembre de 2023 18 de septiembre de 2024 common-cu110-VERSION_DATE-py37
Base-CPU (Python 3.7) No aplicable (N/A) Solo CPU 18 de septiembre de 2023 18 de septiembre de 2024 common-cpu-VERSION_DATE-debian-10

Versiones de TensorFlow

Versión del marco de trabajo de AA Versión actual del parche Aceleradores compatibles Fecha de finalización del parche y la compatibilidad Fecha de finalización de la disponibilidad Nombre de la familia de imágenes
2.15 (Python 3.10) 2.15.0 Solo CPU 14 de noviembre de 2024 14 de noviembre de 2025 tf-2-15-cpu-VERSION_DATE-py310
2.15 (Python 3.10) 2.15.0 GPU (CUDA 12.1) 14 de noviembre de 2024 14 de noviembre de 2025 tf-2-15-cu121-VERSION_DATE-py310
2.14 (Python 3.10) 2.14.0 Solo CPU 26 de septiembre de 2024 26 de septiembre de 2025 tf-2-14-cpu-VERSION_DATE-py310
2.14 (Python 3.10) 2.14.0 GPU (CUDA 11.8) 26 de septiembre de 2024 26 de septiembre de 2025 tf-2-14-cu118-VERSION_DATE-py310
2.13 (Python 3.10) 2.13.0 Solo CPU 5 de julio de 2024 5 de julio de 2025 tf-2-13-cpu-VERSION_DATE-py310
2.13 (Python 3.10) 2.13.0 GPU (CUDA 11.8) 5 de julio de 2024 5 de julio de 2025 tf-2-13-cu118-VERSION_DATE-py310
2.12 (Python 3.10) 2.12.0 Solo CPU 30 de junio de 2024 30 Junio de 2025 tf-2-12-cpu-VERSION_DATE-py310
2.12 (Python 3.10) 2.12.0 GPU (CUDA 11.8) 18 de enero de 2024 18 de enero de 2025 tf-2-12-cu113-VERSION_DATE-py310
2.11 (Python 3.10) 2.11.0 Solo CPU 15 de noviembre de 2023 15 de noviembre de 2024 tf-2-11-cpu-VERSION_DATE-py310
2.11 (Python 3.10) 2.11.0 GPU (CUDA 11.3) 15 de noviembre de 2023 15 de noviembre de 2024 tf-2-11-cu113-VERSION_DATE-py310
2.11 2.11.0 Solo CPU 15 de noviembre de 2023 15 de noviembre de 2024 tf-2-11-cpu-VERSION_DATE-py37
2.11 2.11.0 GPU (CUDA 11.3) 15 de noviembre de 2023 15 de noviembre de 2024 tf-2-11-cu113-VERSION_DATE-py37
2.10 2.10.1 Solo CPU 15 de noviembre de 2023 15 de noviembre de 2024 tf-2-10-cpu-VERSION_DATE-py37
2.10 2.10.1 GPU (CUDA 11.3) 15 de noviembre de 2023 15 de noviembre de 2024 tf-2-10-cu113-VERSION_DATE-py37
2.9 2.9.3 Solo CPU 15 de noviembre de 2023 15 de noviembre de 2024 tf-2-9-cpu-VERSION_DATE-py37
2.9 2.9.3 GPU (CUDA 11.3) 15 de noviembre de 2023 15 de noviembre de 2024 tf-2-9-cu113-VERSION_DATE-py37
2.8 2.8.4 Solo CPU 15 de noviembre de 2023 15 de noviembre de 2024 tf-2-8-cpu-VERSION_DATE-py37
2.8 2.8.4 GPU (CUDA 11.3) 15 de noviembre de 2023 15 de noviembre de 2024 tf-2-8-cu113-VERSION_DATE-py37
2.6 (py39) 2.6.5 Solo CPU 10 de agosto de 2024 10 de agosto de 2025 tf-2-6-cpu-VERSION_DATE-py39
2.6 (py39) 2.6.5 GPU (CUDA 11.3) 10 de agosto de 2024 10 de agosto de 2025 tf-2-6-cu110-VERSION_DATE-py39
2.6 (py37) 2.6.5 Solo CPU 18 de septiembre de 2023 18 de septiembre de 2024 tf-2-6-cpu-VERSION_DATE-py37
2.6 (py37) 2.6.5 GPU (CUDA 11.3) 18 de septiembre de 2023 18 de septiembre de 2024 tf-2-6-cu110-VERSION_DATE-py37
2.3 2.3.4 Solo CPU 1 de septiembre de 2023 1 de septiembre de 2024 tf-2-3-cpu
2.3 2.3.4 GPU (CUDA 11.3) 1 de septiembre de 2023 1 de septiembre de 2024 tf-2-3-cu110-VERSION_DATE

Versiones de PyTorch

Versión del marco de trabajo de AA Versión actual del parche Aceleradores compatibles Fecha de finalización del parche y la compatibilidad Fecha de finalización de la disponibilidad Nombre de la familia de imágenes
2.2 (Python 3.10) 2.2.0 CUDA 12.1 30 de enero de 2025 30 de enero de 2026 pytorch-2-2-VERSION_DATE-py310
2.1 (Python 3.10) 2.1.0 CUDA 12.1 4 de octubre de 2024 4 de octubre de 2025 pytorch-2-1-VERSION_DATE-py310
2.0 (Python 3.10) 2.0.0 CUDA 11.8 15 de marzo de 2024 15 de marzo de 2025 pytorch-2-0-VERSION_DATE-py310
1.13 (Python 3.10) 1.13.1 CUDA 11.3 8 de diciembre de 2023 8 de diciembre de 2024 pytorch-1-13-VERSION_DATE-py310
1.13 1.13.1 CUDA 11.3 8 de diciembre de 2023 8 de diciembre de 2024 pytorch-1-13-VERSION_DATE-py37
1.12 1.12.1 CUDA 11.3 1 de septiembre de 2023 1 de septiembre de 2024 pytorch-1-12-VERSION_DATE-py310

Enumera todas las versiones disponibles con la CLI de gcloud

También puedes enumerar todas las imágenes de Vertex AI disponibles con el siguiente comando de la CLI de gcloud:

gcloud compute images list \
    --project deeplearning-platform-release | grep notebooks

Los nombres de las familias de imágenes se enumeran en el siguiente formato:

FRAMEWORK-VERSION-CUDA_VERSION(-experimental)-notebooks

  • FRAMEWORK: La biblioteca de destino
  • VERSION: La versión del framework
  • CUDA_VERSION: La versión de la pila CUDA, si está presente

Por ejemplo, una imagen de la familia tf-ent-2-13-cu113-notebooks tiene TensorFlow Enterprise 2.13 y CUDA 11.3.

¿Qué sigue?