Elige una imagen

Las imágenes de Deep Learning VM Image específicas están disponibles para adaptarse a tu marco de trabajo y procesador. En la actualidad, existen imágenes que son compatibles con TensorFlow, PyTorch y computación genérica de alto rendimiento, con versiones de flujos de trabajo solo para CPU y flujos de trabajo habilitados para GPU. A fin de buscar la imagen que deseas, consulta la siguiente tabla.

Elige una familia de imágenes

Elige una familia de imágenes de VM de aprendizaje profundo según el framework y procesador que necesitas. En la siguiente tabla, se enumeran las versiones más recientes de familias de imágenes organizadas por tipo de framework. Para obtener la versión más reciente de una imagen, crea una instancia haciendo referencia a una familia de imágenes con latest en el nombre. Si necesitas una versión de framework específica, ve a Versiones de framework compatibles.

Framework Procesador Nombres de familia de imágenes
Base GPU common-cu123
common-cu122
common-cu121
common-cu118
common-cu113
common-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

Elige un sistema operativo

Para la mayoría de los frameworks, Debian 11 es el SO predeterminado. Las imágenes de Ubuntu 22.04 están disponibles para algunos frameworks. Se denotan mediante los sufijos -ubuntu-2204 en el nombre de la familia de imágenes (consulta Lista de todas las versiones disponibles). Las imágenes de Debian 10 y Debian 9 están obsoletas.

Las familias de imágenes de PyTorch y TensorFlow Enterprise admiten los aceleradores de GPU A100.

Dependencias incluidas

Las listas de las dependencias de Python que se incluyen en cada versión están disponibles en Cloud Storage en

 gs://deeplearning-platform-release/installed-dependencies/images/RELEASE_MILESTONE

Reemplaza RELEASE_MILESTONE por el evento importante de actualización, como m88. Por ejemplo, las listas para la actualización de M88 se encuentran en gs://deeplearning-platform-release/installed-dependencies/images/m88/.

Imágenes de TensorFlow Enterprise

Las familias de imágenes de TensorFlow Enterprise proporcionan una distribución optimizada de Google Cloud para TensorFlow. Para obtener más información sobre TensorFlow Enterprise, incluidas las versiones compatibles, consulta la Descripción general de TensorFlow Enterprise.

Imágenes experimentales

Algunas familias de Deep Learning VM Image son experimentales, como lo indica la tabla de familias de imágenes. Las imágenes experimentales son compatibles en base al mejor esfuerzo y es posible que no reciban actualizaciones en cada versión nueva del framework.

Especifica una versión de imagen

Puedes reutilizar la misma imagen, incluso si la última imagen es más nueva. Esto puede ser útil, por ejemplo, si intentas crear un clúster y quieres asegurarte de que las imágenes que se usan para crear instancias nuevas sean siempre las mismas. No debes usar el nombre de la familia de imágenes en esta situación porque, si se actualiza la imagen más reciente, tendrás imágenes diferentes en algunas instancias de tu clúster.

En su lugar, puedes determinar cuál es el nombre exacto de la imagen, incorporar el número de la versión y usar esa imagen específica para generar instancias nuevas en tu clúster.

Para averiguar el nombre exacto de la imagen más reciente, usa el siguiente comando en Google Cloud CLI con tu terminal preferida o en Cloud Shell. Reemplaza IMAGE_FAMILY por el nombre de la familia de imágenes de la que deseas conocer el número de versión más reciente.

gcloud compute images describe-from-family IMAGE_FAMILY \
        --project deeplearning-platform-release

Busca el campo name en el resultado y usa el nombre de la imagen que aparece allí cuando crees instancias nuevas.

Versiones de frameworks compatibles

Deep Learning VM admite cada versión de framework según un programa para minimizar las vulnerabilidades de seguridad. Revisa el framework de Deep Learning VM sobre la política de asistencia al cliente para comprender el implicaciones de las fechas de finalización de la asistencia y de finalización de la disponibilidad.

Si necesitas un framework específico o una versión de CUDA, consulta las siguientes tablas. Para buscar un VERSION_DATE específico para una imagen, consulta Enumera las versiones disponibles.

Versiones de base

Versión del marco de trabajo de AA Versión actual del parche Aceleradores compatibles Fecha de finalización del parche y la compatibilidad Fecha de finalización de la disponibilidad Nombre de la familia de imágenes
CPU base (Python 3.10/Debian 11) No aplicable (N/A) Solo CPU 1 de julio de 2024 1 de julio de 2025 common-cpu-VERSION_DATE-debian-11
Base-cu123 (Python 3.10) CUDA 12.3 GPU (CUDA 12.3) 19 de octubre de 2024 19 de octubre de 2025 common-cu123-VERSION_DATE-debian-11-py310
Base-cu122 (Python 3.10) CUDA 12.2 GPU (CUDA 12.2) 28 de junio de 2024 28 de junio de 2025 common-cu122-VERSION_DATE-debian-11-py310
Base-cu121 (Python 3.10) CUDA 12.1 GPU (CUDA 12.1) 28 de febrero de 2024 28 de febrero de 2025 common-cu121-VERSION_DATE-debian-11-py310
Base-cu118 (Python 3.10) CUDA 11.8 GPU (CUDA 11.8) 1 de julio de 2024 1 de julio de 2025 common-cu118-VERSION_DATE-debian-11-py310
Base-cu113 (Python 3.10) CUDA 11.3 GPU (CUDA 11.3) 1 de enero de 2024 1 de enero de 2025 common-cu113-VERSION_DATE-debian-11-py310
Base-cu113 (Python 3.7) CUDA 11.3 GPU (CUDA 11.3) 1 de septiembre de 2023 1 de septiembre de 2024 common-cu113-VERSION_DATE-py37
Base-cu110 (Python 3.7) CUDA 11.0 GPU (CUDA 11.0) 1 de septiembre de 2023 1 de septiembre de 2024 common-cu110-VERSION_DATE-py37
Base-CPU (Python 3.7) No aplicable (N/A) Solo CPU 1 de septiembre de 2023 1 de septiembre de 2024 common-cpu-VERSION_DATE-debian-10

Versiones de TensorFlow

Versión del marco de trabajo de AA Versión actual del parche Aceleradores compatibles Fecha de finalización del parche y la compatibilidad Fecha de finalización de la disponibilidad Nombre de la familia de imágenes
2.17 (Python 3.10) 2.17.0 Solo CPU 11 de julio de 2025 11 de julio de 2026 tf-2-17-cpu-VERSION_DATE-py310
2.17 (Python 3.10) 2.17.0 GPU (CUDA 12.3) 11 de julio de 2025 11 de julio de 2026 tf-2-17-cu123-VERSION_DATE-py310
2.16 (Python 3.10) 2.16.2 Solo CPU 28 de junio de 2025 28 de junio de 2026 tf-2-16-cpu-VERSION_DATE-py310
2.16 (Python 3.10) 2.16.2 GPU (CUDA 12.3) 28 de junio de 2025 28 de junio de 2026 tf-2-16-cu123-VERSION_DATE-py310
2.15 (Python 3.10) 2.15.0 Solo CPU 14 de noviembre de 2024 14 de noviembre de 2025 tf-2-15-cpu-VERSION_DATE-py310
2.15 (Python 3.10) 2.15.0 GPU (CUDA 12.2) 14 de noviembre de 2024 14 de noviembre de 2025 tf-2-15-cu122-VERSION_DATE-py310
2.14 (Python 3.10) 2.14.0 Solo CPU 26 de septiembre de 2024 26 de septiembre de 2025 tf-2-14-cpu-VERSION_DATE-py310
2.14 (Python 3.10) 2.14.0 GPU (CUDA 11.8) 26 de septiembre de 2024 26 de septiembre de 2025 tf-2-14-cu118-VERSION_DATE-py310
2.13 (Python 3.10) 2.13.0 Solo CPU 5 de julio de 2024 5 de julio de 2025 tf-2-13-cpu-VERSION_DATE-py310
2.13 (Python 3.10) 2.13.0 GPU (CUDA 11.8) 5 de julio de 2024 5 de julio de 2025 tf-2-13-cu118-VERSION_DATE-py310
2.12 (Python 3.10) 2.12.0 Solo CPU 30 de junio de 2024 30 Junio de 2025 tf-2-12-cpu-VERSION_DATE-py310
2.12 (Python 3.10) 2.12.0 GPU (CUDA 11.8) 30 de junio de 2024 30 Junio de 2025 tf-2-12-cu113-VERSION_DATE-py310
2.11 (Python 3.10) 2.11.0 Solo CPU 15 de noviembre de 2022 15 de noviembre de 2023 tf-2-11-cpu-VERSION_DATE-py310
2.11 (Python 3.10) 2.11.0 GPU (CUDA 11.3) 15 de noviembre de 2022 15 de noviembre de 2023 tf-2-11-cu113-VERSION_DATE-py310
2.11 2.11.0 Solo CPU 15 de noviembre de 2023 15 de noviembre de 2024 tf-2-11-cpu-VERSION_DATE-py37
2.11 2.11.0 GPU (CUDA 11.3) 15 de noviembre de 2023 15 de noviembre de 2024 tf-2-11-cu113-VERSION_DATE-py37
2.10 2.10.1 Solo CPU 15 de noviembre de 2023 15 de noviembre de 2024 tf-2-10-cpu-VERSION_DATE-py37
2.10 2.10.1 GPU (CUDA 11.3) 15 de noviembre de 2023 15 de noviembre de 2024 tf-2-10-cu113-VERSION_DATE-py37
2.9 2.9.3 Solo CPU 15 de noviembre de 2023 15 de noviembre de 2024 tf-2-9-cpu-VERSION_DATE-py37
2.9 2.9.3 GPU (CUDA 11.3) 15 de noviembre de 2023 15 de noviembre de 2024 tf-2-9-cu113-VERSION_DATE-py37
2.8 2.8.4 Solo CPU 15 de noviembre de 2023 15 de noviembre de 2024 tf-2-8-cpu-VERSION_DATE-py37
2.8 2.8.4 GPU (CUDA 11.3) 15 de noviembre de 2023 15 de noviembre de 2024 tf-2-8-cu113-VERSION_DATE-py37
2.6 (py39) 2.6.5 Solo CPU 1 de septiembre de 2023 1 de septiembre de 2024 tf-2-6-cpu-VERSION_DATE-py39
2.6 (py39) 2.6.5 GPU (CUDA 11.3) 1 de septiembre de 2023 1 de septiembre de 2024 tf-2-6-cu110-VERSION_DATE-py39
2.6 (py37) 2.6.5 Solo CPU 1 de septiembre de 2023 1 de septiembre de 2024 tf-2-6-cpu-VERSION_DATE-py37
2.6 (py37) 2.6.5 GPU (CUDA 11.3) 1 de septiembre de 2023 1 de septiembre de 2024 tf-2-6-cu110-VERSION_DATE-py37
2.3 2.3.4 Solo CPU 1 de septiembre de 2023 1 de septiembre de 2024 tf-2-3-cpu
2.3 2.3.4 GPU (CUDA 11.3) 1 de septiembre de 2023 1 de septiembre de 2024 tf-2-3-cu110-VERSION_DATE

Versiones de PyTorch

Versión del marco de trabajo de AA Versión actual del parche Aceleradores compatibles Fecha de finalización del parche y la compatibilidad Fecha de finalización de la disponibilidad Nombre de la familia de imágenes
2.2 (Python 3.10) 2.2.0 CUDA 12.1 30 de enero de 2025 30 de enero de 2026 pytorch-2-2-VERSION_DATE-py310
2.1 (Python 3.10) 2.1.0 CUDA 12.1 4 de octubre de 2024 4 de octubre de 2025 pytorch-2-1-VERSION_DATE-py310
2.0 (Python 3.10) 2.0.0 CUDA 11.8 15 de marzo de 2024 15 de marzo de 2025 pytorch-2-0-VERSION_DATE-py310
1.13 (Python 3.10) 1.13.1 CUDA 11.3 8 de diciembre de 2023 8 de diciembre de 2024 pytorch-1-13-VERSION_DATE-py310
1.13 1.13.1 CUDA 11.3 8 de diciembre de 2023 8 de diciembre de 2024 pytorch-1-13-VERSION_DATE-py37
1.12 1.12.1 CUDA 11.3 1 de septiembre de 2023 1 de septiembre de 2024 pytorch-1-12-VERSION_DATE-py310

Genera una lista de todas las versiones disponibles mediante la CLI de gcloud

También puedes enumerar todas las imágenes de VM de aprendizaje profundo disponibles mediante el siguiente comando de gcloud CLI:

gcloud compute images list \
    --project deeplearning-platform-release \
    --format="value(NAME)" \
    --no-standard-images

Las familias de imágenes tienen el formato FRAMEWORK-VERSION-CUDA_VERSION(-experimental), en el que FRAMEWORK es la biblioteca de destino, VERSION es la versión del framework y CUDA_VERSION es la versión de la pila CUDA (si hay una).

Por ejemplo, una imagen de la familia tf-ent-2-13-cu113 tiene TensorFlow Enterprise 2.13 y CUDA 11.3.

¿Qué sigue?

Crea una nueva instancia de VM de aprendizaje profundo con Cloud Marketplace o con la línea de comandos.