Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
Les conteneurs de deep learning sont un ensemble de conteneurs Docker avec des frameworks de science de données, des bibliothèques et des outils pré-installés.
Ces conteneurs fournissent des environnements cohérents et optimisés pour les performances, qui peuvent vous aider à créer des prototypes et à mettre en œuvre rapidement des workflows.
Vous pouvez configurer les images de conteneurs de deep learning de manière à inclure les éléments suivants :
Frameworks :
TensorFlow
PyTorch
R
scikit-learn
XGBoost
Python, y compris les packages suivants :
numpy
sklearn
scipy
pandas
nltk
oreiller
fairness-indicators pour les instances de conteneurs de deep learning TensorFlow 2.3 et 2.4
et bien plus encore
Les packages Nvidia avec le dernier pilote Nvidia pour les instances compatibles GPU :
CUDA 10.*, 11.* et 12.* (la version dépend du framework)
CuDNN 7.* et NCCL 2.* (la version dépend de la version CUDA)
JupyterLab
Conteneurs Model Garden
Bibliothèque vLLM
Assistance de la communauté
Posez vos questions concernant les conteneurs de deep learning sur Stack Overflow ou rejoignez le groupe Google google-dl-platform pour discuter des conteneurs de deep learning.
Pour commencer à utiliser les conteneurs de deep learning, consultez les guides d'utilisation qui fournissent des instructions sur leur création et leur utilisation.
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 are Docker containers that come pre-installed with essential data science frameworks, libraries, and tools.\u003c/p\u003e\n"],["\u003cp\u003eThese containers are designed to offer consistent, performance-optimized environments to accelerate the prototyping and implementation of workflows.\u003c/p\u003e\n"],["\u003cp\u003ePre-installed software includes frameworks like TensorFlow, PyTorch, R, scikit-learn, XGBoost, as well as various Python packages and Nvidia packages.\u003c/p\u003e\n"],["\u003cp\u003eDeep Learning Containers also include Hugging Face frameworks and libraries such as the Text Generation Inference toolkit, and the Transformers library.\u003c/p\u003e\n"],["\u003cp\u003eCommunity support is available via Stack Overflow or the google-dl-platform Google group for questions and discussions about Deep Learning Containers.\u003c/p\u003e\n"]]],[],null,["# Deep Learning Containers overview\n\nDeep Learning Containers are a set of Docker containers\nwith key data science frameworks, libraries, and tools pre-installed.\nThese containers provide you with performance-optimized, consistent\nenvironments that can help you prototype and implement workflows quickly.\n\nTo learn\nmore about containers, see [Containers at Google](/containers).\n\nPre-installed software\n----------------------\n\nDeep Learning Containers images can be configured to include the following:\n\n- Frameworks:\n\n - TensorFlow\n - PyTorch\n - R\n - scikit-learn\n - XGBoost\n- Python, including these packages:\n\n - numpy\n - sklearn\n - scipy\n - pandas\n - nltk\n - pillow\n - [fairness-indicators](https://www.tensorflow.org/responsible_ai/fairness_indicators/guide) for TensorFlow 2.3 and 2.4 Deep Learning Containers instances\n - many others\n- Nvidia packages with the latest Nvidia driver for GPU-enabled instances:\n\n - CUDA 10.\\*, 11.\\*, and 12.\\* (the version depends on the framework)\n - CuDNN 7.\\* and NCCL 2.\\* (the version depends on the CUDA version)\n- JupyterLab\n\n- Model Garden containers\n\n - vLLM library\n\nCommunity support\n-----------------\n\nAsk a question about Deep Learning Containers on [Stack\nOverflow](https://stackoverflow.com/questions/tagged/google-dl-platform)\nor join the\n[google-dl-platform](https://groups.google.com/forum/#!forum/google-dl-platform)\nGoogle group to discuss Deep Learning Containers.\n\n[Learn more about getting support from the\ncommunity](/deep-learning-containers/docs/getting-support#get_support_from_the_community).\n\nWhat's next\n-----------\n\nYou can get started with Deep Learning Containers by walking through\nthe [How-to guides](/deep-learning-containers/docs#how-to),\nwhich provide instructions on create and work with deep learning containers."]]
