Image Deep Learning VM Image tertentu tersedia sesuai dengan pilihan framework dan prosesor Anda. Saat ini, tersedia image yang mendukung TensorFlow, PyTorch, dan komputasi berperforma tinggi generik, dengan versi baik untuk alur kerja khusus CPU maupun alur kerja GPU yang diaktifkan. Untuk menemukan gambar yang Anda inginkan, lihat tabel di bawah.
Menentukan kelompok image
Pilih kelompok image Deep Learning VM berdasarkan framework
dan prosesor yang Anda butuhkan.
Tabel berikut mencantumkan versi terbaru kelompok image,
yang disusun berdasarkan jenis framework.
Untuk mendapatkan versi image terbaru, buat instance dengan mereferensikan kelompok image dengan latest di namanya.
Jika Anda memerlukan versi framework tertentu, lanjutkan ke Versi
framework yang didukung.
| Framework | Prosesor | Nama kelompok image |
|---|---|---|
| Dasar | 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 |
Memilih sistem operasi
Untuk sebagian besar framework, Debian 11 adalah OS default. Image Ubuntu 22.04 tersedia untuk beberapa framework.
Image tersebut dilambangkan dengan akhiran -ubuntu-2204 dalam nama kelompok image (lihat Mencantumkan semua versi yang tersedia).
Image Debian 10 dan Debian 9 tidak digunakan lagi.
Kelompok image PyTorch dan TensorFlow Enterprise mendukung akselerator GPU A100.
Image TensorFlow Enterprise
Kelompok image TensorFlow Enterprise menyediakan distribusi TensorFlow yang dioptimalkan Google Cloud. Untuk mengetahui informasi selengkapnya tentang TensorFlow Enterprise, termasuk versi yang didukung, lihat ringkasan TensorFlow Enterprise.
Image eksperimental
Beberapa kelompok image Deep Learning VM bersifat eksperimental, seperti yang ditunjukkan oleh tabel kelompok image. Image eksperimental didukung atas dasar upaya terbaik, dan mungkin tidak menerima pembaruan pada setiap rilis baru framework.
Menentukan versi image
Anda dapat menggunakan kembali gambar yang sama meskipun gambar terbaru lebih baru. Hal ini dapat berguna, misalnya, jika Anda mencoba membuat cluster dan ingin memastikan bahwa image apa pun yang digunakan untuk membuat instance baru selalu sama. Anda tidak boleh menggunakan nama kelompok image dalam situasi ini karena, jika image terbaru diperbarui, Anda akan memiliki image yang berbeda di beberapa instance dalam cluster.
Sebagai gantinya, Anda dapat menentukan nama persis image, menggabungkan nomor versi, lalu menggunakan image tertentu tersebut untuk membuat instance baru di cluster Anda.
Untuk mengetahui nama persis image terbaru, gunakan perintah berikut di Google Cloud CLI dengan terminal pilihan Anda atau di Cloud Shell. Ganti IMAGE_FAMILY dengan nama kelompok image yang Anda inginkan untuk mengetahui nomor versi terbarunya.
gcloud compute images describe-from-family IMAGE_FAMILY \
--project deeplearning-platform-releaseCari kolom name dalam output dan gunakan nama image yang diberikan di sana saat membuat instance baru.
Versi framework yang didukung
Deep Learning VM mendukung setiap versi framework berdasarkan jadwal untuk meminimalkan kerentanan keamanan. Tinjau kebijakan dukungan framework VM Deep Learning untuk memahami implikasi dari tanggal akhir dukungan dan akhir ketersediaan.
Jika Anda memerlukan framework atau versi CUDA tertentu, lihat tabel berikut. Untuk menemukan VERSION_DATE tertentu untuk image, lihat Mencantumkan versi yang tersedia.
Versi Base
| Versi framework ML | Versi patch saat ini | Akselerator yang didukung | Akhir patch dan tanggal dukungan | Akhir tanggal ketersediaan | Nama kelompok image |
|---|---|---|---|---|---|
| Base-CPU (Python 3.10/Debian 11) | Tidak berlaku (T/A) | Khusus CPU | 1 Juli 2024 | 1 Juli 2025 | common-cpu-VERSION_DATE-debian-11 |
| Base-cu123 (Python 3.10) | CUDA 12.3 | GPU (CUDA 12.3) | 19 Oktober 2024 | 19 Oktober 2025 | common-cu123-VERSION_DATE-debian-11-py310 |
| Base-cu122 (Python 3.10) | CUDA 12.2 | GPU (CUDA 12.2) | 28 Juni 2024 | 28 Juni 2025 | common-cu122-VERSION_DATE-debian-11-py310 |
| Base-cu121 (Python 3.10) | CUDA 12.1 | GPU (CUDA 12.1) | 28 Feb 2024 | 28 Februari 2025 | common-cu121-VERSION_DATE-debian-11-py310 |
| Base-cu118 (Python 3.10) | CUDA 11.8 | GPU (CUDA 11.8) | 1 Juli 2024 | 1 Juli 2025 | common-cu118-VERSION_DATE-debian-11-py310 |
| Base-cu113 (Python 3.10) | CUDA 11.3 | GPU (CUDA 11.3) | 1 Jan 2024 | 1 Jan 2025 | common-cu113-VERSION_DATE-debian-11-py310 |
| Base-cu113 (Python 3.7) | CUDA 11.3 | GPU (CUDA 11.3) | 1 Sep 2023 | 1 Sep 2024 | common-cu113-VERSION_DATE-py37 |
| Base-cu110 (Python 3.7) | CUDA 11.0 | GPU (CUDA 11.0) | 1 Sep 2023 | 1 Sep 2024 | common-cu110-VERSION_DATE-py37 |
| Base-CPU (Python 3.7) | Tidak berlaku (T/A) | Khusus CPU | 1 Sep 2023 | 1 Sep 2024 | common-cpu-VERSION_DATE-debian-10 |
Versi TensorFlow
| Versi framework ML | Versi patch saat ini | Akselerator yang didukung | Akhir patch dan tanggal dukungan | Akhir tanggal ketersediaan | Nama kelompok image |
|---|---|---|---|---|---|
| 2.17 (Python 3.10) | 2.17.0 | Khusus CPU | 11 Juli 2025 | 11 Juli 2026 | tf-2-17-cpu-VERSION_DATE-py310 |
| 2.17 (Python 3.10) | 2.17.0 | GPU (CUDA 12.3) | 11 Juli 2025 | 11 Juli 2026 | tf-2-17-cu123-VERSION_DATE-py310 |
| 2.16 (Python 3.10) | 2.16.2 | Khusus CPU | 28 Jun 2025 | 28 Juni 2026 | tf-2-16-cpu-VERSION_DATE-py310 |
| 2.16 (Python 3.10) | 2.16.2 | GPU (CUDA 12.3) | 28 Jun 2025 | 28 Juni 2026 | tf-2-16-cu123-VERSION_DATE-py310 |
| 2.15 (Python 3.10) | 2.15.0 | Khusus CPU | 14 November 2024 | 14 November 2025 | tf-2-15-cpu-VERSION_DATE-py310 |
| 2.15 (Python 3.10) | 2.15.0 | GPU (CUDA 12.2) | 14 November 2024 | 14 November 2025 | tf-2-15-cu122-VERSION_DATE-py310 |
| 2.14 (Python 3.10) | 2.14.0 | Khusus CPU | 26 Sep 2024 | 26 September 2025 | tf-2-14-cpu-VERSION_DATE-py310 |
| 2.14 (Python 3.10) | 2.14.0 | GPU (CUDA 11.8) | 26 Sep 2024 | 26 September 2025 | tf-2-14-cu118-VERSION_DATE-py310 |
| 2.13 (Python 3.10) | 2.13.0 | Khusus CPU | 5 Juli 2024 | 5 Juli 2025 | tf-2-13-cpu-VERSION_DATE-py310 |
| 2.13 (Python 3.10) | 2.13.0 | GPU (CUDA 11.8) | 5 Juli 2024 | 5 Juli 2025 | tf-2-13-cu118-VERSION_DATE-py310 |
| 2.12 (Python 3.10) | 2.12.0 | Khusus CPU | 30 Juni 2024 | 30 Juni 2025 | tf-2-12-cpu-VERSION_DATE-py310 |
| 2.12 (Python 3.10) | 2.12.0 | GPU (CUDA 11.8) | 30 Juni 2024 | 30 Juni 2025 | tf-2-12-cu113-VERSION_DATE-py310 |
| 2.11 (Python 3.10) | 2.11.0 | Khusus CPU | 15 November 2022 | 15 Nov 2023 | tf-2-11-cpu-VERSION_DATE-py310 |
| 2.11 (Python 3.10) | 2.11.0 | GPU (CUDA 11.3) | 15 November 2022 | 15 Nov 2023 | tf-2-11-cu113-VERSION_DATE-py310 |
| 2.11 | 2.11.0 | Khusus CPU | 15 Nov 2023 | 15 Nov 2024 | tf-2-11-cpu-VERSION_DATE-py37 |
| 2.11 | 2.11.0 | GPU (CUDA 11.3) | 15 Nov 2023 | 15 Nov 2024 | tf-2-11-cu113-VERSION_DATE-py37 |
| 2.10 | 2.10.1 | Khusus CPU | 15 Nov 2023 | 15 Nov 2024 | tf-2-10-cpu-VERSION_DATE-py37 |
| 2.10 | 2.10.1 | GPU (CUDA 11.3) | 15 Nov 2023 | 15 Nov 2024 | tf-2-10-cu113-VERSION_DATE-py37 |
| 2.9 | 2.9.3 | Khusus CPU | 15 Nov 2023 | 15 Nov 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 | Khusus CPU | 15 Nov 2023 | 15 Nov 2024 | tf-2-8-cpu-VERSION_DATE-py37 |
| 2.8 | 2.8.4 | GPU (CUDA 11.3) | 15 Nov 2023 | 15 Nov 2024 | tf-2-8-cu113-VERSION_DATE-py37 |
| 2.6 (py39) | 2.6.5 | Khusus CPU | 1 Sep 2023 | 1 Sep 2024 | tf-2-6-cpu-VERSION_DATE-py39 |
| 2.6 (py39) | 2.6.5 | GPU (CUDA 11.3) | 1 Sep 2023 | 1 Sep 2024 | tf-2-6-cu110-VERSION_DATE-py39 |
| 2.6 (py37) | 2.6.5 | Khusus CPU | 1 Sep 2023 | 1 Sep 2024 | tf-2-6-cpu-VERSION_DATE-py37 |
| 2.6 (py37) | 2.6.5 | GPU (CUDA 11.3) | 1 Sep 2023 | 1 Sep 2024 | tf-2-6-cu110-VERSION_DATE-py37 |
| 2.3 | 2.3.4 | Khusus CPU | 1 Sep 2023 | 1 Sep 2024 | tf-2-3-cpu |
| 2.3 | 2.3.4 | GPU (CUDA 11.3) | 1 Sep 2023 | 1 Sep 2024 | tf-2-3-cu110-VERSION_DATE |
Versi PyTorch
| Versi framework ML | Versi patch saat ini | Akselerator yang didukung | Akhir patch dan tanggal dukungan | Akhir tanggal ketersediaan | Nama kelompok image |
|---|---|---|---|---|---|
| 2.3 (Python 3.10) | 2.3.0 | CUDA 12.1 | 24 April 2025 | 24 April 2026 | pytorch-2-3-VERSION_DATE-py310 |
| 2.2 (Python 3.10) | 2.2.0 | CUDA 12.1 | 30 Jan 2025 | 30 Januari 2026 | pytorch-2-2-VERSION_DATE-py310 |
| 2.1 (Python 3.10) | 2.1.0 | CUDA 12.1 | 4 Oktober 2024 | 4 Oktober 2025 | pytorch-2-1-VERSION_DATE-py310 |
| 2.0 (Python 3.10) | 2.0.0 | CUDA 11.8 | 15 Mar 2024 | 15 Mar 2025 | pytorch-2-0-VERSION_DATE-py310 |
| 1.13 (Python 3.10) | 1.13.1 | CUDA 11.3 | 8 Des 2023 | 8 Des 2024 | pytorch-1-13-VERSION_DATE-py310 |
| 1.13 | 1.13.1 | CUDA 11.3 | 8 Des 2023 | 8 Des 2024 | pytorch-1-13-VERSION_DATE-py37 |
| 1.12 | 1.12.1 | CUDA 11.3 | 1 Sep 2023 | 1 Sep 2024 | pytorch-1-12-VERSION_DATE-py310 |
Mencantumkan semua versi yang tersedia menggunakan gcloud CLI
Anda juga dapat mencantumkan semua image VM Deep Learning yang tersedia menggunakan perintah gcloud CLI berikut:
gcloud compute images list \
--project deeplearning-platform-release \
--format="value(NAME)" \
--no-standard-imagesKelompok image diberi nama dalam format
FRAMEWORK-VERSION-CUDA_VERSION(-experimental),
dengan FRAMEWORK adalah library target,
VERSION adalah versi framework, dan
CUDA_VERSION adalah versi stack CUDA, jika ada.
Misalnya, image dari kelompok tf-ent-2-13-cu113 memiliki TensorFlow Enterprise 2.13 dan CUDA 11.3.
Langkah selanjutnya
Buat instance Deep Learning VM baru menggunakan Cloud Marketplace atau menggunakan command line.