Sono disponibili immagini specifiche di Deep Learning VM in base alla tua scelta di framework e processore. Al momento sono disponibili immagini che supportano TensorFlow, PyTorch e calcolo generico ad alte prestazioni, con versioni sia per flussi di lavoro solo con CPU sia per flussi di lavoro abilitati per GPU. Per trovare l'immagine desiderata, consulta la tabella di seguito.
Scegliere una famiglia di immagini
Scegli una famiglia di immagini VM per il deep learning in base al framework
e al processore di cui hai bisogno.
La tabella seguente elenca le versioni più recenti delle famiglie di immagini,
organizzate per tipo di framework.
Crea un'istanza per ottenere la versione più recente di un'immagine
facendo riferimento a una famiglia di immagini il cui nome contiene latest.
Se hai bisogno di una versione specifica del framework, vai a Versioni del framework supportate.
| Framework | Processore | Nomi di famiglie di immagini |
|---|---|---|
| Livelli | GPU |
common-cu123common-cu122common-cu121common-cu118common-cu113common-cu110
|
| CPU | common-cpu |
|
| TensorFlow Enterprise | GPU | tf-ent-latest-gpu |
| CPU | tf-ent-latest-cpu |
|
| PyTorch | GPU | pytorch-latest-gpu |
| CPU | pytorch-latest-cpu |
Scegliere un sistema operativo
Per la maggior parte dei framework, Debian 11 è il sistema operativo predefinito. Le immagini Ubuntu 22.04
sono disponibili per alcuni framework.
Sono indicate dal simbolo -ubuntu-2204
suffissi nel nome della famiglia di immagini (consulta Elenco di tutte le opzioni disponibili
versioni successive).
Le immagini Debian 10 e Debian 9 sono state ritirate.
Le famiglie di immagini PyTorch e TensorFlow Enterprise supportano gli acceleratori GPU A100.
Dipendenze incluse
Elenchi delle dipendenze Python incluse in ogni release sono disponibili in Cloud Storage all'indirizzo
gs://deeplearning-platform-release/installed-dependencies/images/RELEASE_MILESTONE
Sostituisci RELEASE_MILESTONE con il mirino di rilascio, ad esempio m88.
Ad esempio, gli elenchi per la release M88 sono disponibili all'indirizzo
gs://deeplearning-platform-release/installed-dependencies/images/m88/.
Immagini di TensorFlow Enterprise
Le famiglie di immagini TensorFlow Enterprise offrono un Google Cloud la distribuzione ottimizzata di TensorFlow. Per saperne di più su TensorFlow Enterprise, incluse le versioni supportate, consulta la panoramica di TensorFlow Enterprise.
Immagini sperimentali
Alcune famiglie di immagini Deep Learning VM sono sperimentali, come indicato secondo la tabella delle famiglie di immagini. Le immagini sperimentali sono supportata secondo il criterio del "best effort" e potrebbe non ricevere a ogni nuova release del framework.
Specifica di una versione immagine
Puoi riutilizzare la stessa immagine anche se l'ultima è più recente. Può essere utile, ad esempio, se stai tentando di creare un cluster vuoi assicurarti che tutte le immagini utilizzate per creare nuove istanze sempre le stesse. Non utilizzare il nome della famiglia di immagini in questa perché, se l'ultima immagine viene aggiornata, avrai immagini diverse in alcune istanze del tuo cluster.
Puoi invece determinare il nome esatto dell'immagine, incorporare il numero di versione e utilizzare quella specifica immagine per generare nuove istanze nel tuo cluster.
Per scoprire il nome esatto dell'immagine più recente, utilizza il seguente comando in Google Cloud CLI con il terminale che preferisci o in Cloud Shell. Sostituisci IMAGE_FAMILY con il nome della famiglia di immagini che vuoi per scoprire il numero della versione più recente.
gcloud compute images describe-from-family IMAGE_FAMILY \
--project deeplearning-platform-releaseCerca il campo name nell'output e utilizza il nome dell'immagine indicato
durante la creazione di nuove istanze.
Versioni del framework supportate
Deep Learning VM supporta ogni versione del framework in base a una pianificazione per al minimo le vulnerabilità di sicurezza. Esamina il framework Deep Learning VM norme di assistenza per comprendere implicazioni delle date di fine assistenza e disponibilità.
Se hai bisogno di un framework o di una versione CUDA specifici, consulta le tabelle seguenti. A
trova un VERSION_DATE specifico per un'immagine, consulta Scheda
le versioni disponibili.
Versioni di base
| Versione framework ML | Versione patch corrente | Acceleratori supportati | Data di fine della patch e del supporto | Data di fine della disponibilità | Nome famiglia immagini |
|---|---|---|---|---|---|
| Base-CPU (Python 3.10/Debian 11) | Non applicabile (N/A) | Solo CPU | 1° luglio 2024 | 1° luglio 2025 | common-cpu-VERSION_DATE-debian-11 |
| Base-cu123 (Python 3.10) | CUDA 12.3 | GPU (CUDA 12.3) | 19 ottobre 2024 | 19 ottobre 2025 | common-cu123-VERSION_DATE-debian-11-py310 |
| Base-cu122 (Python 3.10) | CUDA 12.2 | GPU (CUDA 12.2) | 28 giugno 2024 | 28 giugno 2025 | common-cu122-VERSION_DATE-debian-11-py310 |
| Base-cu121 (Python 3.10) | CUDA 12.1 | GPU (CUDA 12.1) | 28 febbraio 2024 | 28 feb 2025 | common-cu121-VERSION_DATE-debian-11-py310 |
| Base-cu118 (Python 3.10) | CUDA 11.8 | GPU (CUDA 11.8) | 1° luglio 2024 | 1 lug 2025 | common-cu118-VERSION_DATE-debian-11-py310 |
| Base-cu113 (Python 3.10) | CUDA 11.3 | GPU (CUDA 11.3) | 1 gen 2024 | 1° gennaio 2025 | common-cu113-VERSION_DATE-debian-11-py310 |
| Base-cu113 (Python 3.7) | CUDA 11.3 | GPU (CUDA 11.3) | 1° set 2023 | 1° settembre 2024 | common-cu113-VERSION_DATE-py37 |
| Base-cu110 (Python 3.7) | CUDA 11.0 | GPU (CUDA 11.0) | 1° settembre 2023 | 1° set 2024 | common-cu110-VERSION_DATE-py37 |
| Base-CPU (Python 3.7) | Non applicabile (N/A) | Solo CPU | 1° set 2023 | 1° set 2024 | common-cpu-VERSION_DATE-debian-10 |
Versioni di TensorFlow
| Versione framework ML | Versione patch corrente | Acceleratori supportati | Data di fine della patch e del supporto | Data di fine della disponibilità | Nome famiglia immagini |
|---|---|---|---|---|---|
| 2.17 (Python 3.10) | 2.17.0 | Solo CPU | 11 lug 2025 | 11 luglio 2026 | tf-2-17-cpu-VERSION_DATE-py310 |
| 2.17 (Python 3.10) | 2.17.0 | GPU (CUDA 12.3) | 11 lug 2025 | 11 giugno 2026 | tf-2-17-cu123-VERSION_DATE-py310 |
| 2.16 (Python 3.10) | 2.16.2 | Solo CPU | 28 giugno 2025 | 28 giugno 2026 | tf-2-16-cpu-VERSION_DATE-py310 |
| 2.16 (Python 3.10) | 2.16.2 | GPU (CUDA 12.3) | 28 giugno 2025 | 28 giugno 2026 | tf-2-16-cu123-VERSION_DATE-py310 |
| 2.15 (Python 3.10) | 2.15.0 | Solo CPU | 14 novembre 2024 | 14 nov 2025 | tf-2-15-cpu-VERSION_DATE-py310 |
| 2.15 (Python 3.10) | 2.15.0 | GPU (CUDA 12.2) | 14 novembre 2024 | 14 novembre 2025 | tf-2-15-cu122-VERSION_DATE-py310 |
| 2.14 (Python 3.10) | 2.14.0 | Solo CPU | 26 set 2024 | 26 set 2025 | tf-2-14-cpu-VERSION_DATE-py310 |
| 2.14 (Python 3.10) | 2.14.0 | GPU (CUDA 11.8) | 26 settembre 2024 | 26 set 2025 | tf-2-14-cu118-VERSION_DATE-py310 |
| 2.13 (Python 3.10) | 2.13.0 | Solo CPU | 5 luglio 2024 | 5 luglio 2025 | tf-2-13-cpu-VERSION_DATE-py310 |
| 2.13 (Python 3.10) | 2.13.0 | GPU (CUDA 11.8) | 5 lug 2024 | 5 luglio 2025 | tf-2-13-cu118-VERSION_DATE-py310 |
| 2.12 (Python 3.10) | 2.12.0 | Solo CPU | 30 giugno 2024 | 30 giugno 2025 | tf-2-12-cpu-VERSION_DATE-py310 |
| 2.12 (Python 3.10) | 2.12.0 | GPU (CUDA 11.8) | 30 giugno 2024 | 30 giugno 2025 | tf-2-12-cu113-VERSION_DATE-py310 |
| 2.11 (Python 3.10) | 2.11.0 | Solo CPU | 15 novembre 2022 | 15 novembre 2023 | tf-2-11-cpu-VERSION_DATE-py310 |
| 2.11 (Python 3.10) | 2.11.0 | GPU (CUDA 11.3) | 15 nov 2022 | 15 novembre 2023 | tf-2-11-cu113-VERSION_DATE-py310 |
| 2,11 | 2.11.0 | Solo CPU | 15 novembre 2023 | 15 nov 2024 | tf-2-11-cpu-VERSION_DATE-py37 |
| 2.11 | 2.11.0 | GPU (CUDA 11.3) | 15 nov 2023 | 15 novembre 2024 | tf-2-11-cu113-VERSION_DATE-py37 |
| 2.10 | 2.10.1 | Solo CPU | 15 novembre 2023 | 15 novembre 2024 | tf-2-10-cpu-VERSION_DATE-py37 |
| 2.10 | 2.10.1 | GPU (CUDA 11.3) | 15 nov 2023 | 15 novembre 2024 | tf-2-10-cu113-VERSION_DATE-py37 |
| 2,9 | 2.9.3 | Solo CPU | 15 novembre 2023 | 15 novembre 2024 | tf-2-9-cpu-VERSION_DATE-py37 |
| 2,9 | 2.9.3 | GPU (CUDA 11.3) | 15 nov 2023 | 15 nov 2024 | tf-2-9-cu113-VERSION_DATE-py37 |
| 2,8 | 2.8.4 | Solo CPU | 15 novembre 2023 | 15 nov 2024 | tf-2-8-cpu-VERSION_DATE-py37 |
| 2,8 | 2.8.4 | GPU (CUDA 11.3) | 15 nov 2023 | 15 novembre 2024 | tf-2-8-cu113-VERSION_DATE-py37 |
| 2,6 (py39) | 2.6.5 | Solo CPU | 1° set 2023 | 1° set 2024 | tf-2-6-cpu-VERSION_DATE-py39 |
| 2.6 (py39) | 2.6.5 | GPU (CUDA 11.3) | 1° set 2023 | 1° settembre 2024 | tf-2-6-cu110-VERSION_DATE-py39 |
| 2.6 (py37) | 2.6.5 | Solo CPU | 1° set 2023 | 1° settembre 2024 | tf-2-6-cpu-VERSION_DATE-py37 |
| 2.6 (py37) | 2.6.5 | GPU (CUDA 11.3) | 1° set 2023 | 1° set 2024 | tf-2-6-cu110-VERSION_DATE-py37 |
| 2.3 | 2.3.4 | Solo CPU | 1° set 2023 | 1° set 2024 | tf-2-3-cpu |
| 2.3 | 2.3.4 | GPU (CUDA 11.3) | 1° set 2023 | 1° set 2024 | tf-2-3-cu110-VERSION_DATE |
Versioni di PyTorch
| Versione framework ML | Versione patch corrente | Acceleratori supportati | Data di fine della patch e del supporto | Data di fine della disponibilità | Nome famiglia immagini |
|---|---|---|---|---|---|
| 2.2 (Python 3.10) | 2.2.0 | CUDA 12.1 | 30 gennaio 2025 | 30 gennaio 2026 | pytorch-2-2-VERSION_DATE-py310 |
| 2.1 (Python 3.10) | 2.1.0 | CUDA 12.1 | 4 ott 2024 | 4 ottobre 2025 | pytorch-2-1-VERSION_DATE-py310 |
| 2.0 (Python 3.10) | 2.0.0 | CUDA 11.8 | 15 marzo 2024 | 15 marzo 2025 | pytorch-2-0-VERSION_DATE-py310 |
| 1.13 (Python 3.10) | 1.13.1 | CUDA 11.3 | 8 dicembre 2023 | 8 dicembre 2024 | pytorch-1-13-VERSION_DATE-py310 |
| 1,13 | 1.13.1 | CUDA 11.3 | 8 dicembre 2023 | 8 dicembre 2024 | pytorch-1-13-VERSION_DATE-py37 |
| 1,12 | 1.12.1 | CUDA 11.3 | 1° settembre 2023 | 1° settembre 2024 | pytorch-1-12-VERSION_DATE-py310 |
Elenca tutte le versioni disponibili utilizzando gcloud CLI
Puoi anche elencare tutte le immagini VM di deep learning disponibili utilizzando il seguente comando gcloud CLI:
gcloud compute images list \
--project deeplearning-platform-release \
--format="value(NAME)" \
--no-standard-imagesLe famiglie di immagini vengono denominate nel formato
FRAMEWORK-VERSION-CUDA_VERSION(-experimental),
dove FRAMEWORK è la libreria di destinazione,
VERSION è la versione del framework e
CUDA_VERSION è la versione dello stack CUDA, se presente.
Ad esempio, un'immagine della famiglia
tf-ent-2-13-cu113 ha
TensorFlow Enterprise 2.13 e CUDA 11.3.
Passaggi successivi
Crea una nuova istanza VM di Deep Learning usando Cloud Marketplace o utilizzando la riga di comando.