Escolha uma imagem

Images específicas do Deep Learning VM Image estão disponíveis para se adequar ao framework e processador que você escolher. Atualmente, há imagens compatíveis com TensorFlow, PyTorch e computação de alto desempenho genérica, com versões para fluxos de trabalho apenas CPU e ativado para GPU. Para encontrar a imagem pretendida, consulte a tabela abaixo.

Como decidir sobre uma família de imagens

A decisão sobre qual família de imagens de VM de aprendizado profundo usar depende de suas necessidades. A tabela a seguir lista as versões mais recentes de famílias de imagens, organizadas por tipo de framework. A criação de uma instância referenciando uma família de imagens com latest no nome garante que você sempre acesse a versão mais recente dessa imagem. Se você precisar de uma versão específica de framework, pule para Como listar todas as versões disponíveis.

Framework Processador Nome(s) de família de imagens
Base GPU common-cu113
common-cu110
CPU common-cpu
TensorFlow Enterprise 2.x GPU tf2-ent-latest-gpu
CPU tf2-ent-latest-cpu
TensorFlow Enterprise 1.x GPU tf-ent-latest-gpu
CPU tf-ent-latest-cpu
PyTorch GPU pytorch-latest-gpu
CPU pytorch-latest-cpu
PyTorch XLA TPU/GPU/CPU (experimental) pytorch-latest-xla
R CPU (experimental) r-latest-cpu-experimental
RAPIDS GPU (experimental) rapids-latest-gpu-experimental
Chainer GPU (experimental) chainer-latest-gpu-experimental
CPU (experimental) chainer-latest-cpu-experimental
XGBoost GPU (experimental) xgboost-latest-gpu-experimental
CPU (experimental) xgboost-latest-cpu-experimental
MXNet GPU (experimental) mxnet-latest-gpu-experimental
CPU (experimental) mxnet-latest-cpu-experimental
CNTK GPU (experimental) cntk-latest-gpu-experimental
CPU (experimental) cntk-latest-cpu-experimental
Caffe GPU (experimental) caffe1-latest-gpu-experimental
CPU (experimental) caffe1-latest-cpu-experimental

Como escolher um sistema operacional

Para a maioria das bibliotecas, o Debian 10 é o SO padrão. As imagens do Ubuntu 120.04 estão disponíveis para alguns frameworks. Elas são indicadas pelos sufixos -ubuntu-2004 e no nome da família de imagens (consulte Como listar todas as versões disponíveis). As imagens do Debian 9 foram suspensas.

As famílias de imagens PyTorch e TensorFlow Enterprise oferecem suporte a aceleradores de GPU A100.

Imagens do TensorFlow Enterprise

As famílias de imagens do TensorFlow Enterprise oferecem a você uma distribuição do TensorFlow otimizada pelo Google Cloud. Algumas versões específicas da distribuição do TensorFlow Enterprise também incluem suporte à versão de longo prazo. Para saber mais sobre o TensorFlow Enterprise, leia a visão geral do TensorFlow Enterprise.

Use a tabela a seguir de imagens do TensorFlow disponíveis para ajudar a selecionar a imagem com a versão do TensorFlow ou do TensorFlow Enterprise que você quiser.

Versão do TensorFlow ou do TensorFlow Enterprise Processador Nome da família da imagem Suporte à versão de longo prazo
TensorFlow Enterprise 2.7 GPU tf2-2-7-cu113 Não incluso
CPU tf2-2-7-cpu Não incluso
TensorFlow Enterprise 2.6 GPU tf2-2-6-cu110 Incluso
CPU tf2-2-6-cpu Incluso
TensorFlow Enterprise 2.5 GPU tf2-2-5-cu110 Não incluso
CPU tf2-2-5-cpu Não incluso
TensorFlow 2.4 GPU tf2-2-4-cu110 Não incluso
CPU tf2-2-4-cpu Não incluso
TensorFlow Enterprise 2.3 GPU tf2-2-3-cu110 Incluso
CPU tf2-2-3-cpu Incluso
TensorFlow GPU tf2-2-2-cu101 Não incluso
CPU tf2-2-2-cpu Não incluso
TensorFlow Enterprise 2.1 GPU tf2-2-1-cu110 Não incluso
CPU tf2-2-1-cpu Não incluso
TensorFlow 2.0 GPU tf2-2-0-cu100 Não incluso
CPU tf2-2-0-cpu Não incluso
TensorFlow Enterprise 1.15 GPU tf-1-15-cu110 Incluso
CPU tf-1-15-cpu Incluso
TensorFlow 1.14 GPU tf-1-14-cu100 Não incluso
CPU tf-1-14-cpu Não incluso
TensorFlow 1.13 GPU tf-1-13-cu100 Não incluso
CPU tf-1-13-cpu Não incluso
TensorFlow 1.11 GPU tf-1-11-cu100 Não incluso
CPU tf-1-11-cpu Não incluso
TensorFlow 1.10 GPU tf-1-10-cu100 Não incluso
CPU tf-1-10-cpu Não incluso

Imagens experimentais

Algumas famílias de Deep Learning VM Image são experimentais, conforme indicado pela tabela de famílias de imagens. Imagens experimentais são compatíveis com base no melhor esforço e podem não receber atualizações em cada nova versão do framework.

Como especificar uma versão de imagem

É possível reutilizar uma imagem, mesmo que a última seja a mais recente. Isso pode ser útil, por exemplo, se você está tentando criar um cluster e quer garantir que as imagens usadas para criar novas instâncias sejam sempre as mesmas. Você não deve usar o nome da família de imagens nessa situação porque, se a imagem mais recente for atualizada, você terá imagens diferentes em algumas instâncias do cluster.

Em vez disso, determine qual é o nome exato da imagem, incorpore o número da versão e, em seguida, use essa imagem específica para gerar novas instâncias no cluster.

Para descobrir o nome exato da imagem mais recente, use o seguinte comando na ferramenta de linha de comando gcloud com seu terminal preferido ou no Cloud Shell. Substitua IMAGE_FAMILY pelo nome da família da imagem para a qual você quer descobrir o número da versão mais recente.

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

Procure o campo name na saída e use o nome da imagem fornecido ao criar novas instâncias.

Como listar todas as versões disponíveis

Se você precisar de um framework ou uma versão CUDA específicos, pesquise a lista completa de imagens disponíveis. Para listar todas as imagens de VM de aprendizado profundo disponíveis, use o seguinte comando da ferramenta gcloud.

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

As famílias de imagens são nomeada no formato FRAMEWORK-VERSION-CUDA_VERSION(-experimental), em que FRAMEWORK é a biblioteca de destino, VERSION é a versão do framework e CUDA_VERSION é a versão da pilha CUDA, se houver.

Por exemplo, uma imagem da família tf2-ent-2-3-cu110 tem TensorFlow Enterprise 2.3 e CUDA 11.0.

A seguir

Crie uma nova instância de VM de aprendizado profundo usando o Cloud Marketplace ou usando a linha de comando.