Image VM Deep Learning tertentu tersedia untuk menyesuaikan dengan pilihan framework dan prosesor Anda. Saat ini ada image yang mendukung TensorFlow, PyTorch, dan komputasi berperforma tinggi generik, dengan versi untuk alur kerja khusus CPU dan yang mendukung GPU. Untuk menemukan gambar yang Anda inginkan, lihat tabel di bawah.
Menentukan kelompok gambar
Pilih kelompok image VM Deep Learning berdasarkan framework dan prosesor yang Anda perlukan.
Tabel berikut mencantumkan versi terbaru dari kelompok gambar,
yang diatur berdasarkan jenis framework.
Untuk mendapatkan versi gambar terbaru, buat instance
dengan mereferensikan kelompok gambar dengan latest dalam namanya.
Jika Anda memerlukan versi framework tertentu, lanjutkan ke bagian Versi framework
yang didukung.
| Framework | Pemroses | Nama keluarga gambar |
|---|---|---|
| Base | GPU | common-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 20.04 tersedia untuk beberapa framework.
Kedua hal tersebut ditunjukkan dengan akhiran -ubuntu-2004
dalam nama kelompok gambar (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.
Dependensi yang disertakan
Daftar dependensi Python yang disertakan dalam setiap rilis tersedia di Cloud Storage di
gs://deeplearning-platform-release/installed-dependencies/images/RELEASE_MILESTONE
Ganti RELEASE_MILESTONE dengan miletone rilis, seperti m88.
Misalnya, daftar untuk rilis M88 ada di
gs://deeplearning-platform-release/installed-dependencies/images/m88/.
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 VM Deep Learning bersifat eksperimental, seperti yang ditunjukkan oleh tabel yang berisi kelompok gambar. Image eksperimental didukung atas dasar upaya terbaik, dan mungkin tidak menerima pembaruan pada setiap rilis framework baru.
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 setiap gambar yang digunakan untuk membuat instance baru selalu sama. Anda tidak boleh menggunakan nama kelompok gambar dalam situasi ini karena, jika gambar terbaru diperbarui, Anda akan memiliki gambar yang berbeda pada beberapa instance di cluster Anda.
Sebagai gantinya, Anda dapat menentukan nama persis gambar, memasukkan nomor versi, lalu menggunakan gambar spesifik tersebut untuk memunculkan 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 jenis gambar yang nomor versinya ingin Anda cari tahu.
gcloud compute images describe-from-family IMAGE_FAMILY \
--project deeplearning-platform-release
Cari 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 Deep Learning VM untuk memahami implikasi dari tanggal akhir dukungan dan tanggal akhir ketersediaan.
Jika Anda memerlukan framework atau versi CUDA tertentu, lihat tabel berikut. Guna menemukan VERSION_DATE tertentu untuk gambar, 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-cu121 (Python 3.10) | CUDA 12.1 | GPU (CUDA 12.1) | 28 Feb 2024 | 28 Feb 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 |
|---|---|---|---|---|---|
| 2.15 (Python 3.10) | 2.15.0 | Khusus CPU | 14 Nov 2024 | 14 Nov 2025 | tf-2-15-cpu-VERSION_DATE-py310 |
| 2.15 (Python 3.10) | 2.15.0 | GPU (CUDA 12.1) | 14 Nov 2024 | 14 Nov 2025 | tf-2-15-cu121-VERSION_DATE-py310 |
| 2.14 (Python 3.10) | 2.14.0 | Khusus CPU | 26 September 2024 | 26 September 2025 | tf-2-14-cpu-VERSION_DATE-py310 |
| 2.14 (Python 3.10) | 2.14.0 | GPU (CUDA 11.8) | 26 September 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 Nov 2022 | 15 Nov 2023 | tf-2-11-cpu-VERSION_DATE-py310 |
| 2.11 (Python 3.10) | 2.11.0 | GPU (CUDA 11.3) | 15 Nov 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 | 10 Agu 2024 | 10 Agu 2025 | tf-2-6-cpu-VERSION_DATE-py39 |
| 2.6 (py39) | 2.6.5 | GPU (CUDA 11.3) | 10 Agu 2024 | 10 Agu 2025 | 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 |
|---|---|---|---|---|---|
| 2.2 (Python 3.10) | 2.2.0 | CUDA 12.1 | 30 Jan 2025 | 30 Jan 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 Maret 2024 | 15 Maret 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 menampilkan daftar 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-images
Kelompok gambar 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, gambar dari keluarga tf-ent-2-13-cu113 memiliki TensorFlow Enterprise 2.13 dan CUDA 11.3.
Langkah selanjutnya
Buat instance VM Deep Learning baru menggunakan Cloud Marketplace atau menggunakan command line.