您可以针对自己所选择的框架和处理器使用特定的 Deep Learning VM Image 映像。目前有支持 TensorFlow、PyTorch 和通用高性能计算的映像,并且有针对仅使用 CPU 的工作流和启用 GPU 的工作流的版本。如需查找所需图片,请参阅下表。
确定映像系列
根据您需要的框架和处理器选择 Deep Learning VM Image 系列。下表按框架类型列出了最新版本的映像系列。如需获取最新版本的映像,请引用名称中包含 latest
的映像系列来创建实例。如果您需要特定的框架版本,请跳转到支持的框架版本。
框架 | 处理器 | 映像系列名称 |
---|---|---|
基本 | GPU |
common-cu123 common-cu122 common-cu121 common-cu118 common-cu113 common-cu110
|
CPU | common-cpu |
|
TensorFlow 企业版 | GPU | tf-ent-latest-gpu |
CPU | tf-ent-latest-cpu |
|
PyTorch | GPU | pytorch-latest-gpu |
CPU | pytorch-latest-cpu |
选择操作系统
对于大多数框架,Debian 11 是默认操作系统。Ubuntu 22.04
一些框架可以使用同样的映像
它们由映像系列名称中的 -ubuntu-2204
后缀表示(请参阅列出所有可用的版本)。
Debian 10 和 Debian 9 映像已弃用。
PyTorch 和 TensorFlow 企业版映像系列均支持 A100 GPU 加速器。
TensorFlow 企业版映像
TensorFlow 企业版映像系列提供经过 Google Cloud 优化的 TensorFlow 发行版。如需详细了解 TensorFlow 企业版(包括支持的版本),请参阅 TensorFlow 企业版概览。
实验映像
某些 Deep Learning VM 映像系列处于实验阶段,如映像系列表所示。实验性映像受到了最大程度的支持,并且在框架每次发布新版本时可能不会刷新。
指定映像版本
即使最新映像较新,您也可以重复使用原来的映像。这一点在某些情况下很有用,例如,如果您尝试创建集群并且希望确保用于创建新实例的任何映像始终相同。在这种情况下,您不应使用映像系列的名称,这是因为,如果最新映像已更新,则集群中的某些实例会有不同的映像。
相反,您可以确定映像的确切名称和版本号,然后使用该特定映像在集群中生成新实例。
如需查找最新映像的确切名称,请在您的首选终端的 Google Cloud CLI 中或在 Cloud Shell 中使用以下命令。将 IMAGE_FAMILY 替换为您要查找其最新版本号的映像系列名称。
gcloud compute images describe-from-family IMAGE_FAMILY \ --project deeplearning-platform-release
在输出中查找 name
字段,并在创建新实例时使用该字段所指定的映像名称。
支持的框架版本
Deep Learning VM 根据时间表支持每个框架版本,以最大限度地减少安全漏洞。查看 Deep Learning VM 框架支持政策,了解停止提供支持和停止发布日期的影响。
如果您需要特定的框架或 CUDA 版本,请参阅下表。接收者
查找图片的特定 VERSION_DATE
,请参阅列出
可用的版本。
基础版本
机器学习框架版本 | 当前补丁程序版本 | 支持的加速器 | 补丁程序和支持日期结束 | 提供终止日期 | 映像系列名称 |
---|---|---|---|---|---|
Base-CPU (Python 3.10 / Debian 11) | 不适用 (N/A) | 仅 CPU | 2024 年 7 月 1 日 | 2025 年 7 月 1 日 | common-cpu-VERSION_DATE-debian-11 |
Base-cu123 (Python 3.10) | CUDA 12.3 | GPU (CUDA 12.3) | 2024 年 10 月 19 日 | 2025 年 10 月 19 日 | common-cu123-VERSION_DATE-debian-11-py310 |
Base-cu122 (Python 3.10) | CUDA 12.2 | GPU (CUDA 12.2) | 2024 年 6 月 28 日 | 2025 年 6 月 28 日 | common-cu122-VERSION_DATE-debian-11-py310 |
Base-cu121 (Python 3.10) | CUDA 12.1 | GPU (CUDA 12.1) | 2024 年 2 月 28 日 | 2025 年 2 月 28 日 | common-cu121-VERSION_DATE-debian-11-py310 |
Base-cu118 (Python 3.10) | CUDA 11.8 | GPU (CUDA 11.8) | 2024 年 7 月 1 日 | 2025 年 7 月 1 日 | common-cu118-VERSION_DATE-debian-11-py310 |
Base-cu113 (Python 3.10) | CUDA 11.3 | GPU (CUDA 11.3) | 2024 年 1 月 1 日 | 2025 年 1 月 1 日 | common-cu113-VERSION_DATE-debian-11-py310 |
Base-cu113 (Python 3.7) | CUDA 11.3 | GPU (CUDA 11.3) | 2023 年 9 月 1 日 | 2024 年 9 月 1 日 | common-cu113-VERSION_DATE-py37 |
Base-cu110 (Python 3.7) | CUDA 11.0 | GPU (CUDA 11.0) | 2023 年 9 月 1 日 | 2024 年 9 月 1 日 | common-cu110-VERSION_DATE-py37 |
Base-CPU (Python 3.7) | 不适用 (N/A) | 仅 CPU | 2023 年 9 月 1 日 | 2024 年 9 月 1 日 | common-cpu-VERSION_DATE-debian-10 |
TensorFlow 版本
机器学习框架版本 | 当前补丁程序版本 | 支持的加速器 | 补丁程序和支持日期结束 | 提供终止日期 | 映像系列名称 |
---|---|---|---|---|---|
2.17(Python 3.10) | 2.17.0 | 仅 CPU | 2025 年 7 月 11 日 | 2026 年 7 月 11 日 | tf-2-17-cpu-VERSION_DATE-py310 |
2.17 (Python 3.10) | 2.17.0 | GPU (CUDA 12.3) | 2025 年 7 月 11 日 | 2026 年 7 月 11 日 | tf-2-17-cu123-VERSION_DATE-py310 |
2.16 (Python 3.10) | 2.16.2 | 仅 CPU | 2025 年 6 月 28 日 | 2026 年 6 月 28 日 | tf-2-16-cpu-VERSION_DATE-py310 |
2.16 (Python 3.10) | 2.16.2 | GPU (CUDA 12.3) | 2025 年 6 月 28 日 | 2026 年 6 月 28 日 | tf-2-16-cu123-VERSION_DATE-py310 |
2.15 (Python 3.10) | 2.15.0 | 仅 CPU | 2024 年 11 月 14 日 | 2025 年 11 月 14 日 | tf-2-15-cpu-VERSION_DATE-py310 |
2.15 (Python 3.10) | 2.15.0 | GPU (CUDA 12.2) | 2024 年 11 月 14 日 | 2025 年 11 月 14 日 | tf-2-15-cu122-VERSION_DATE-py310 |
2.14 (Python 3.10) | 2.14.0 | 仅 CPU | 2024 年 9 月 26 日 | 2025 年 9 月 26 日 | tf-2-14-cpu-VERSION_DATE-py310 |
2.14 (Python 3.10) | 2.14.0 | GPU (CUDA 11.8) | 2024 年 9 月 26 日 | 2025 年 9 月 26 日 | tf-2-14-cu118-VERSION_DATE-py310 |
2.13 (Python 3.10) | 2.13.0 | 仅 CPU | 2024 年 7 月 5 日 | 2025 年 7 月 5 日 | tf-2-13-cpu-VERSION_DATE-py310 |
2.13 (Python 3.10) | 2.13.0 | GPU (CUDA 11.8) | 2024 年 7 月 5 日 | 2025 年 7 月 5 日 | tf-2-13-cu118-VERSION_DATE-py310 |
2.12 (Python 3.10) | 2.12.0 | 仅 CPU | 2024 年 6 月 30 日 | 2025 年 6 月 30 日 | tf-2-12-cpu-VERSION_DATE-py310 |
2.12 (Python 3.10) | 2.12.0 | GPU (CUDA 11.8) | 2024 年 6 月 30 日 | 2025 年 6 月 30 日 | tf-2-12-cu113-VERSION_DATE-py310 |
2.11 (Python 3.10) | 2.11.0 | 仅 CPU | 2022 年 11 月 15 日 | 2023 年 11 月 15 日 | tf-2-11-cpu-VERSION_DATE-py310 |
2.11 (Python 3.10) | 2.11.0 | GPU (CUDA 11.3) | 2022 年 11 月 15 日 | 2023 年 11 月 15 日 | tf-2-11-cu113-VERSION_DATE-py310 |
2.11 | 2.11.0 | 仅 CPU | 2023 年 11 月 15 日 | 2024 年 11 月 15 日 | tf-2-11-cpu-VERSION_DATE-py37 |
2.11 | 2.11.0 | GPU (CUDA 11.3) | 2023 年 11 月 15 日 | 2024 年 11 月 15 日 | tf-2-11-cu113-VERSION_DATE-py37 |
2.10 | 2.10.1 | 仅 CPU | 2023 年 11 月 15 日 | 2024 年 11 月 15 日 | tf-2-10-cpu-VERSION_DATE-py37 |
2.10 | 2.10.1 | GPU (CUDA 11.3) | 2023 年 11 月 15 日 | 2024 年 11 月 15 日 | tf-2-10-cu113-VERSION_DATE-py37 |
2.9 | 2.9.3 | 仅 CPU | 2023 年 11 月 15 日 | 2024 年 11 月 15 日 | tf-2-9-cpu-VERSION_DATE-py37 |
2.9 | 2.9.3 | GPU (CUDA 11.3) | 2023 年 11 月 15 日 | 2024 年 11 月 15 日 | tf-2-9-cu113-VERSION_DATE-py37 |
2.8 | 2.8.4 | 仅 CPU | 2023 年 11 月 15 日 | 2024 年 11 月 15 日 | tf-2-8-cpu-VERSION_DATE-py37 |
2.8 | 2.8.4 | GPU (CUDA 11.3) | 2023 年 11 月 15 日 | 2024 年 11 月 15 日 | tf-2-8-cu113-VERSION_DATE-py37 |
2.6 (py39) | 2.6.5 | 仅 CPU | 2023 年 9 月 1 日 | 2024 年 9 月 1 日 | tf-2-6-cpu-VERSION_DATE-py39 |
2.6 (py39) | 2.6.5 | GPU (CUDA 11.3) | 2023 年 9 月 1 日 | 2024 年 9 月 1 日 | tf-2-6-cu110-VERSION_DATE-py39 |
2.6 (py37) | 2.6.5 | 仅 CPU | 2023 年 9 月 1 日 | 2024 年 9 月 1 日 | tf-2-6-cpu-VERSION_DATE-py37 |
2.6 (py37) | 2.6.5 | GPU (CUDA 11.3) | 2023 年 9 月 1 日 | 2024 年 9 月 1 日 | tf-2-6-cu110-VERSION_DATE-py37 |
2.3 | 2.3.4 | 仅 CPU | 2023 年 9 月 1 日 | 2024 年 9 月 1 日 | tf-2-3-cpu |
2.3 | 2.3.4 | GPU (CUDA 11.3) | 2023 年 9 月 1 日 | 2024 年 9 月 1 日 | tf-2-3-cu110-VERSION_DATE |
PyTorch 版本
机器学习框架版本 | 当前补丁程序版本 | 支持的加速器 | 补丁程序和支持日期结束 | 提供终止日期 | 映像系列名称 |
---|---|---|---|---|---|
2.2 (Python 3.10) | 2.2.0 | CUDA 12.1 | 2025 年 1 月 30 日 | 2026 年 1 月 30 日 | pytorch-2-2-VERSION_DATE-py310 |
2.1 (Python 3.10) | 2.1.0 | CUDA 12.1 | 2024 年 10 月 4 日 | 2025 年 10 月 4 日 | pytorch-2-1-VERSION_DATE-py310 |
2.0 (Python 3.10) | 2.0.0 | CUDA 11.8 | 2024 年 3 月 15 日 | 2025 年 3 月 15 日 | pytorch-2-0-VERSION_DATE-py310 |
1.13 (Python 3.10) | 1.13.1 | CUDA 11.3 | 2023 年 12 月 8 日 | 2024 年 12 月 8 日 | pytorch-1-13-VERSION_DATE-py310 |
1.13 | 1.13.1 | CUDA 11.3 | 2023 年 12 月 8 日 | 2024 年 12 月 8 日 | pytorch-1-13-VERSION_DATE-py37 |
1.12 | 1.12.1 | CUDA 11.3 | 2023 年 9 月 1 日 | 2024 年 9 月 1 日 | pytorch-1-12-VERSION_DATE-py310 |
使用 gcloud CLI 列出所有可用版本
您还可以使用以下 gcloud CLI 命令列出所有可用的 Deep Learning VM 映像:
gcloud compute images list \ --project deeplearning-platform-release \ --format="value(NAME)" \ --no-standard-images
映像系列采用 FRAMEWORK-VERSION-CUDA_VERSION(-experimental)
格式命名,其中 FRAMEWORK
是目标库,VERSION
是框架版本,CUDA_VERSION
是 CUDA 堆栈(若有)的版本。
例如,来自 tf-ent-2-13-cu113
系列的映像具有 TensorFlow 企业版 2.13 和 CUDA 11.3。
后续步骤
使用 Cloud Marketplace 或使用命令行创建新的 Deep Learning VM 实例。