Sélectionner une image

Nous proposons des images Deep Learning VM Image spécifiques adaptées à un grand nombre de framework et de processeur. Il existe actuellement des images compatibles avec TensorFlow, PyTorch et le calcul hautes performances générique, dans des versions pour les workflows reposant uniquement sur le processeur ou utilisant des GPU. Pour trouver l'image de votre choix, consultez le tableau ci-dessous.

Choisir une famille d'images

Le choix de la famille d'images Deep Learning VM à utiliser dépend de vos besoins. Le tableau suivant répertorie les versions les plus récentes des familles d'images, organisées par type de structure. En référençant une famille d'images avec latest dans le nom lorsque vous créez une instance, vous êtes certain de toujours obtenir la version la plus récente de cette image. Si vous avez besoin d'une version de framework spécifique, passez à la section Répertorier toutes les versions disponibles.

Framework Processeur Nom des familles d'images
Base GPU common-cu113
common-cu110
Processeur common-cpu
TensorFlow Enterprise 2.x GPU tf2-ent-latest-gpu
Processeur tf2-ent-latest-cpu
TensorFlow Enterprise 1.x GPU tf-ent-latest-gpu
Processeur tf-ent-latest-cpu
PyTorch GPU pytorch-latest-gpu
Processeur pytorch-latest-cpu
PyTorch XLA TPU/GPU/Processeur (expérimental) pytorch-latest-xla
R Processeur (expérimental) r-latest-cpu-experimental
RAPIDS GPU (expérimental) rapids-latest-gpu-experimental
Chainer GPU (expérimental) chainer-latest-gpu-experimental
Processeur (expérimental) chainer-latest-cpu-experimental
XGBoost GPU (expérimental) xgboost-latest-gpu-experimental
Processeur (expérimental) xgboost-latest-cpu-experimental
MXNet GPU (expérimental) mxnet-latest-gpu-experimental
Processeur (expérimental) mxnet-latest-cpu-experimental
CNTK GPU (expérimental) cntk-latest-gpu-experimental
Processeur (expérimental) cntk-latest-cpu-experimental
Caffe GPU (expérimental) caffe1-latest-gpu-experimental
Processeur (expérimental) caffe1-latest-cpu-experimental

Choisir un système d'exploitation

Pour la plupart des frameworks, Debian 10 est le système d'exploitation par défaut. Les images Ubuntu 20.04 sont disponibles pour certains frameworks. Elles sont désignées par les suffixes -ubuntu-2004 dans le nom de la famille d'images (consultez la section Répertorier toutes les versions disponibles). Les images Debian 9 sont obsolètes.

Les familles d'images PyTorch et TensorFlow Enterprise sont compatibles avec les accélérateurs de GPU A100.

Images TensorFlow Enterprise

Les familles d'images TensorFlow Enterprise proposent une distribution optimisée de TensorFlow pour Google Cloud. Les versions spécifiques de la distribution TensorFlow Enterprise incluent également l'assistance à long terme des versions. Pour en savoir plus sur TensorFlow Enterprise, consultez la Présentation de TensorFlow Enterprise.

Utilisez le tableau suivant des images TensorFlow disponibles pour vous aider à sélectionner l'image avec la version de TensorFlow ou TensorFlow Enterprise souhaitée.

Version de TensorFlow ou TensorFlow Enterprise Processeur Nom de la famille d'images Assistance avec les versions à long terme
TensorFlow Enterprise 2.7 GPU tf2-2-7-cu113 Non incluses
Processeur tf2-2-7-cpu Non incluses
TensorFlow Enterprise 2.6 GPU tf2-2-6-cu110 Incluses
Processeur tf2-2-6-cpu Incluses
TensorFlow Enterprise 2.5 GPU tf2-2-5-cu110 Non incluses
Processeur tf2-2-5-cpu Non incluses
TensorFlow 2.4 GPU tf2-2-4-cu110 Non incluses
Processeur tf2-2-4-cpu Non incluses
TensorFlow Enterprise 2.3 GPU tf2-2-3-cu110 Incluses
Processeur tf2-2-3-cpu Incluses
TensorFlow 2.2 GPU tf2-2-2-cu101 Non incluses
Processeur tf2-2-2-cpu Non incluses
TensorFlow Enterprise 2.1 GPU tf2-2-1-cu110 Non incluses
Processeur tf2-2-1-cpu Non incluses
TensorFlow 2.0 GPU tf2-2-0-cu100 Non incluses
Processeur tf2-2-0-cpu Non incluses
TensorFlow Enterprise 1.15 GPU tf-1-15-cu110 Incluses
Processeur tf-1-15-cpu Incluses
TensorFlow 1.14 GPU tf-1-14-cu100 Non incluses
Processeur tf-1-14-cpu Non incluses
TensorFlow 1.13 GPU tf-1-13-cu100 Non incluses
Processeur tf-1-13-cpu Non incluses
TensorFlow 1.11 GPU tf-1-11-cu100 Non incluses
Processeur tf-1-11-cpu Non incluses
TensorFlow 1.10 GPU tf-1-10-cu100 Non incluses
Processeur tf-1-10-cpu Non incluses

Images expérimentales

Certaines familles d'images Deep Learning VM sont expérimentales, comme indiqué par le tableau des familles d'images. Les images expérimentales sont prises en charge suivant un principe d'optimisation et peuvent ne pas être actualisées à chaque nouvelle release du framework.

Spécifier une version d'image

Vous pouvez réutiliser la même image même si la dernière image est plus récente. Cela peut être utile, par exemple, si vous essayez de créer un cluster et que vous voulez vous assurer que les images utilisées pour créer des instances sont toujours les mêmes. Dans ce cas, vous ne devez pas utiliser le nom de la famille d'images. En effet, si la dernière image est mise à jour, vous aurez des images différentes sur certaines instances de votre cluster.

À la place, vous pouvez déterminer le nom exact de l'image, inclure le numéro de version, puis utiliser cette image spécifique pour générer de nouvelles instances dans votre cluster.

Pour connaître le nom exact de la dernière image, exécutez la commande suivante dans l'outil de ligne de commande gcloud avec un terminal de votre choix ou dans Cloud Shell. Remplacez IMAGE_FAMILY par le nom de la famille d'images dont vous souhaitez connaître le dernier numéro de version.

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

Recherchez le champ name dans le résultat et utilisez le nom d'image qui y est indiqué lorsque vous créez des instances.

Répertorier toutes les versions disponibles

Si vous avez besoin d'une version CUDA ou de framework spécifique, vous pouvez effectuer une recherche dans la liste complète des images disponibles. Pour répertorier toutes les images de Deep Learning VM disponibles, utilisez l'outil de ligne de commande gcloud.

gcloud compute images list \
        --project deeplearning-platform-release \
        --no-standard-images

Les familles d'images sont au format FRAMEWORK-VERSION-CUDA_VERSION(-experimental), où FRAMEWORK est la bibliothèque cible, VERSION est la version du framework et CUDA_VERSION est la version de la pile CUDA, le cas échéant.

Par exemple, une image de la famille tf2-ent-2-3-cu110 contient TensorFlow 2.3 et CUDA 11.0.

Étape suivante

Créez une instance Deep Learning VM à l'aide de Cloud Marketplace ou de la ligne de commande.