Deep Learning VM-Images sind virtuelle Maschinen-Images, die für Aufgaben in den Bereichen Data Science und maschinelles Lernen optimiert sind. Alle Images enthalten vorinstallierte zentrale ML-Frameworks und -Tools. Sie können diese sofort in Instanzen mit GPUs verwenden, um die Datenverarbeitung zu beschleunigen.
Deep Learning VM Images unterstützen viele Framework/Prozessor-Kombinationen. Derzeit gibt es Images, die TensorFlow Enterprise, TensorFlow, PyTorch und generisches Hochleistungs-Computing unterstützen. Einige Versionen unterstützen sowohl ausschließlich CPU-basierte als auch GPU-fähige Workflows.
Eine Liste der verfügbaren Frameworks finden Sie unter Image auswählen.
Vorinstallierte Pakete
Images basieren auf den Betriebssystemen Debian 11 und Ubuntu 22.04. Sie können so konfiguriert werden, dass sie Folgendes enthalten:
Bestimmte Frameworks (z. B. TensorFlow) und unterstützende Pakete
Python 3.10 mit den folgenden Paketen:
- numpy
- scipy
- matplotlib
- pandas
- nltk
- pillow
- scikit-image
- opencv-python
- scikit-learn
- und viele weitere
JupyterLab-Notebookumgebungen für schnelles Prototyping
Nvidia-Pakete mit dem neuesten Nvidia-Treiber für GPU-fähige Instanzen:
- CUDA 11.x und 12.x (die Version hängt vom Framework ab)
- CuDNN 7.x und NCCL 2.x (die Version hängt von der CUDA-Version ab)
Updates
Deep Learning VM-Images werden regelmäßig mit Fehlerkorrekturen aktualisiert und Paketupdates. Versionshinweise finden Sie Informationen zu Updates.
Community-Support
Fragen zu Deep Learning VM auf Stack stellen Überlauf oder treten Sie der google-dl-platform Google-Gruppe, um über Deep Learning VM zu sprechen.
Support von der Community erhalten.
Nächste Schritte
Wenn Sie eine Deep Learning VM verwenden möchten, erstellen Sie über Cloud Marketplace oder über die Befehlszeile eine neue Instanz.