Règle de compatibilité du framework Deep Learning Containers
Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
Conteneurs de deep learning publie des conteneurs et des images de machines virtuelles pour simplifier la configuration de vos charges de travail de machine learning (ML). Ces images contiennent le système d'exploitation, les frameworks de ML, les pilotes et d'autres bibliothèques. Nous publions régulièrement de nouvelles versions d'images pour inclure de nouveaux correctifs, des mises à jour de sécurité et des fonctionnalités. Chaque image fournie par conteneurs de deep learning est compatible avec une version mineure spécifique d'un framework de ML.
Cela vous laisse le temps de mettre à jour et de tester votre code lorsque vous passez d'une version de framework à une autre. Vous devez tester de manière approfondie vos jobs et modèles chaque fois que vous passez à une nouvelle version du framework, qu'il s'agisse d'une mise à jour majeure ou mineure.
La sécurisation de vos charges de travail sur conteneurs de deep learning est une responsabilité partagée. Bien que les conteneurs de deep learning publient régulièrement de nouvelles versions des images pour corriger les failles de sécurité, vous êtes responsable de tâches telles que :
Mettre à niveau manuellement vers la dernière version.
Vous devez vous assurer d'avoir correctement configuré vos services de manière à ce qu'ils utilisent la dernière version.
Règles de compatibilité pour les versions de framework
Pendant la période de compatibilité d'une version du framework de ML, nous publierons régulièrement de nouvelles versions d'image. Les mises à jour peuvent inclure les éléments suivants :
Mises à jour de type correctif pour les frameworks compatibles. Par exemple, si nous prenons en charge TensorFlow 2.7 et TensorFlow versions 2.7.1 pour résoudre les bugs, nous publierons une nouvelle version d'image.
Mises à jour de sécurité pour les frameworks compatibles.
Mises à jour non destructives vers d'autres packages et logiciels installés sur l'image.
Mises à jour des dépendances qui ont atteint la fin de la période de compatibilité. Par exemple, si Python 3.7 est installé sur une image et que celle-ci atteint la date de fin de compatibilité, nous publions une nouvelle version de l'image. Si la modification de la dépendance peut être une modification destructive, nous mettrons à jour Choisir une image de conteneur pour indiquer la modification de la dépendance.
Une fois publiée, une version d'image est immuable et ne change pas. Vous devez toujours utiliser la dernière version d'image, car les anciennes versions peuvent présenter des failles de sécurité ou d'autres bugs critiques.
Calendrier de la politique de compatibilité
Les périodes de compatibilité pour chaque version de framework suivent le calendrier suivant :
Date de fin de correctif et de compatibilité : après cette date, les conteneurs de deep learning ne publieront plus de nouvelles versions d'image pour cette version du framework. Les ressources existantes qui ont été déployées sur conteneurs de deep learning continuent de fonctionner.
Après cette date, nous vous recommandons de passer à une version de framework plus récente.
Pour bénéficier d'une assistance de dépannage des conteneurs de deep learning, vous devrez peut-être passer à une version du framework comprise dans la période de compatibilité.
Date de fin de disponibilité : après cette date, vous ne pourrez plus utiliser d'images pour cette version du framework. Les services peuvent bloquer la création de ressources utilisant ces images, qui ne pourront plus être téléchargées.
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/09/04 (UTC).
[[["Facile à comprendre","easyToUnderstand","thumb-up"],["J'ai pu résoudre mon problème","solvedMyProblem","thumb-up"],["Autre","otherUp","thumb-up"]],[["Difficile à comprendre","hardToUnderstand","thumb-down"],["Informations ou exemple de code incorrects","incorrectInformationOrSampleCode","thumb-down"],["Il n'y a pas l'information/les exemples dont j'ai besoin","missingTheInformationSamplesINeed","thumb-down"],["Problème de traduction","translationIssue","thumb-down"],["Autre","otherDown","thumb-down"]],["Dernière mise à jour le 2025/09/04 (UTC)."],[[["\u003cp\u003eDeep Learning Containers offers pre-configured container and virtual machine images to streamline machine learning workload setup, including the OS, ML frameworks, drivers, and libraries.\u003c/p\u003e\n"],["\u003cp\u003eNew image versions are regularly released by Deep Learning Containers to provide patches, security updates, and new features, always supporting a specific minor version of an ML framework.\u003c/p\u003e\n"],["\u003cp\u003eUsers are responsible for manually upgrading to the latest image versions and ensuring their services are configured to use them, as securing workloads is a shared responsibility.\u003c/p\u003e\n"],["\u003cp\u003eDuring the supported period of an ML framework, Deep Learning Containers regularly updates images with patches, security updates, non-breaking package updates, and dependency upgrades.\u003c/p\u003e\n"],["\u003cp\u003eEach framework version has an end-of-patch and support date after which new image versions are no longer published, as well as an end-of-availability date when those images are no longer usable.\u003c/p\u003e\n"]]],[],null,["# Deep Learning Containers framework support policy\n\nDeep Learning Containers publishes containers and virtual machine images to simplify the\nconfiguration of your machine learning (ML) workloads. These images contain the\noperating system, the ML frameworks, drivers, and other libraries. We publish\nnew versions of images regularly to include new patches, security updates, and\nfeatures. Each image provided by Deep Learning Containers provides support for a\nspecific minor version of an ML framework.\n\nThis allows you time to update and test your code\nwhen moving from one framework version to another. You should always test your\njobs and models thoroughly when switching to a new framework version, regardless\nof whether it's a major or minor update.\n\nFor all services, subscribe to the [Deep Learning Containers release notes](/deep-learning-containers/docs/release-notes) page\nfor announcements about new version releases for your containers, images, and\nframeworks.\n\nFor the list of supported framework versions, see [Choose a container image](/deep-learning-containers/docs/choosing-container#deciding).\n\nShared responsibility\n---------------------\n\nSecuring your workloads on Deep Learning Containers is a shared responsibility. While\nDeep Learning Containers regularly publishes new versions of images to address\nsecurity vulnerabilities, you are responsible for tasks such as the following:\n\n- Manually upgrading to the latest version.\n\n- Ensuring that you properly configured your services to use the latest version.\n\nFor more information, see [Shared responsibility](/deep-learning-containers/docs/shared-responsibility).\n\nSupport policy for framework versions\n-------------------------------------\n\nDuring the supported period for an ML framework version, we will publish new\nimage versions regularly. The updates may include the following:\n\n- Patch updates for supported frameworks. For example, if we support\n TensorFlow 2.7, and TensorFlow releases 2.7.1 to address bugs, we will\n release a new image version.\n\n- Security updates for supported frameworks.\n\n- Non-breaking updates to other packages and software installed on the image.\n\n- Updates to dependencies that have reached end-of-support. For example, if an\n image has Python 3.7 installed and it reaches the end-of-support date, we\n will release a new image version. If the change in dependency may be a\n breaking change, we will update [Choose a container image](/deep-learning-containers/docs/choosing-container#deciding)\n to indicate the change in the dependency.\n\nOnce published, an image version is immutable and does not change. You should\nalways use the latest image version, as older versions may have security\nvulnerabilities or other critical bugs.\n\n### Support policy schedule\n\nSupport periods for each framework version follows this schedule:\n\n- **End-of-patch and support date:** After this date, Deep Learning Containers will no\n longer publish new image versions for that framework version. Existing\n resources that have been deployed to Deep Learning Containers continue to function.\n After this date, we recommend you plan to switch to a more recent framework\n version.\n\n To receive troubleshooting support from Deep Learning Containers, you may be asked\n to upgrade to a framework version that is within the supported time period.\n- **End-of-availability date:** After this date, you can no longer use images\n for this framework version. Services may block the creation of new resources\n using these images, and the images will no longer be available for download.\n\nWhat's next\n-----------\n\n- Review the [list of supported framework versions](/deep-learning-containers/docs/choosing-container#deciding)."]]
