Introduzione a Deep Learning VM

Deep Learning VM Images è un insieme di immagini di macchine virtuali ottimizzate per le attività di data science e machine learning. Tutte le immagini sono dotate di strumenti e framework ML chiave preinstallati. Puoi utilizzarle immediatamente sulle istanze con GPU per accelerare le attività di elaborazione dei dati.

Le Deep Learning VM Image sono disponibili per supportare svariate combinazioni di framework e processori. Al momento sono disponibili immagini che supportano TensorFlow Enterprise, TensorFlow, PyTorch e il computing generico ad alte prestazioni, con versioni per flussi di lavoro solo CPU e abilitati per GPU.

Per visualizzare un elenco dei framework disponibili, vedi Scegliere un'immagine.

Pacchetti preinstallati

Le immagini si basano sui sistemi operativi Debian 11 e Ubuntu 22.04. Queste immagini possono essere configurate per includere quanto segue:

  • framework specifici (ad esempio TensorFlow) e pacchetti di supporto.

  • Python 3.10 con i seguenti pacchetti:

    • numpy
    • Scipy
    • matplotlib
    • panda
    • nltk
    • cuscino
    • Immagine scikit
    • opencv-python
    • scikit-learn
    • molti altri
  • Ambienti di blocchi note JupyterLab per una prototipazione rapida

  • Pacchetti Nvidia con il driver Nvidia più recente per le istanze abilitate per GPU:

    • CUDA 11.x e 12.x (la versione dipende dal framework)
    • CuDNN 7.x e NCCL 2.x (la versione dipende dalla versione CUDA)

Aggiornamenti

Le immagini Deep Learning VM vengono aggiornate regolarmente con correzioni di bug e aggiornamenti dei pacchetti. Consulta le note di rilascio per informazioni sugli aggiornamenti.

Assistenza dalla community

Fai una domanda su Deep Learning VM su Stack Overflow o unisciti al gruppo Google google-dl-platform per parlare di Deep Learning VM.

Scopri di più su come ricevere assistenza dalla community.

Passaggi successivi

Per iniziare a utilizzare Deep Learning VM, crea una nuova istanza utilizzando Cloud Marketplace o utilizzando la riga di comando.