Übersicht über Deep Learning-Container

AI Platform Deep Learning Container sind eine Reihe von Docker-Containern, in denen wichtige Data-Science-Frameworks, -Bibliotheken und -Tools vorinstalliert sind. Diese Container bieten leistungsoptimierte, konsistente Umgebungen, mit denen Sie schnell Prototypen erstellen und Workflows implementieren können.

Weitere Informationen zu Containern finden Sie unter Container bei Google.

Vorinstallierte Software

Deep Learning Container-Images können so konfiguriert werden, dass sie Folgendes enthalten:

  • Frameworks:

    • TensorFlow
    • PyTorch
    • R
    • scikit-learn
    • XGBoost
  • Python, einschließlich dieser Pakete:

    • numpy
    • sklearn
    • scipy
    • pandas
    • nltk
    • Kissen
    • fairness-indicators für TensorFlow 2.3 und 2.4 Deep Learning Container-Instanzen
    • viele andere
  • Nvidia-Pakete mit dem neuesten Nvidia-Treiber für GPU-fähige Instanzen:

    • CUDA 10.* und 11.* (die Version hängt vom Framework ab)
    • CuDNN 7.* und NCCL 2.* (die Version hängt von der CUDA-Version ab)
  • JupyterLab

Nächste Schritte

Beginnen Sie mit den Deep Learning-Containern, indem Sie die Anleitungen zum Erstellen und Arbeiten mit Deep-Learning-Containern durchgehen.