Lista de versiones de entorno de ejecución

Cloud Machine Learning Engine usa imágenes según la designación de la versión de entorno de ejecución para configurar los recursos de la nube a fin de atender tus solicitudes de entrenamiento y predicción. En esta página, se enumeran las versiones de entorno de ejecución y sus paquetes constituyentes. Puedes obtener más información sobre cómo administrar y configurar entornos de ejecución.

Versiones de entorno de ejecución de Cloud ML Engine compatibles

Las siguientes versiones son compatibles con Cloud ML Engine:

Versión Paquete Lanzamiento Última actualización
1.12 TensorFlow 1.12
scikit-learn 0.20.0
XGBoost 0.81

La versión 1.12 del entorno de ejecución es compatible con TensorFlow 1.12.0 para CPU y GPU (las GPU no son compatibles con la predicción en línea).

Python 3.5 está disponible para entrenamiento y predicción en línea con la versión 1.12 del entorno de ejecución. Los paquetes de Ubuntu para Python 3 (indicados en negrita) se instalan cuando se ejecuta Python 3.

19 de diciembre de 2018
1.11 TensorFlow 1.11
scikit-learn 0.19.2
XGBoost 0.80

La versión 1.11 del entorno de ejecución es compatible con TensorFlow 1.11.0 para CPU y GPU (las GPU no son compatibles con la predicción en línea).

Python 3.5 está disponible para entrenamiento y predicción en línea con la versión 1.11 del entorno de ejecución. Los paquetes de Ubuntu para Python 3 (indicados en negrita) se instalan cuando se ejecuta Python 3.

19 de diciembre de 2018
1.10 TensorFlow 1.10
scikit-learn 0.19.2
XGBoost 0.72.1

La versión 1.10 del entorno de ejecución es compatible con TensorFlow 1.10.0 para CPU y GPU (las GPU no son compatibles con la predicción en línea).

Python 3.5 está disponible para entrenamiento y predicción en línea con la versión 1.10 del entorno de ejecución. Los paquetes de Ubuntu para Python 3 (indicados en negrita) se instalan cuando se ejecuta Python 3.

31 de agosto de 2018 19 de diciembre de 2018
1.9 TensorFlow 1.9
scikit-learn 0.19.1
XGBoost 0.72.1

La versión 1.9 del entorno de ejecución es compatible con TensorFlow 1.9.0 para CPU y GPU (las GPU no son compatibles con la predicción en línea).

Python 3.5 está disponible para entrenamiento y predicción en línea con la versión 1.9 del entorno de ejecución. Los paquetes de Ubuntu para Python 3 (indicados en negrita) se instalan cuando se ejecuta Python 3.

27 de junio de 2018 19 de diciembre de 2018
1.8 TensorFlow 1.8
scikit-learn 0.19.1
XGBoost 0.71

La versión 1.8 del entorno de ejecución es compatible con TensorFlow 1.8.0 para CPU y GPU (las GPU no son compatibles con la predicción en línea).

Python 3.5 está disponible para entrenamiento y predicción en línea con la versión 1.8 del entorno de ejecución. Los paquetes de Ubuntu para Python 3 (indicados en negrita) se instalan cuando se ejecuta Python 3.

Los paquetes gcloud y google-cloud-logging se reemplazaron por el paquete google-cloud, que contiene los paquetes que se quitaron.

8 de mayo de 2018 19 de diciembre de 2018
1.7 TensorFlow 1.7
scikit-learn 0.19.1
XGBoost 0.7.post3

La versión 1.7 del entorno de ejecución es compatible con TensorFlow 1.7.0 para CPU y GPU.

Python 3.5 está disponible para entrenamiento y predicción en línea con la versión 1.7 del entorno de ejecución. Los paquetes de Ubuntu para Python 3 (indicados en negrita) se instalan cuando se ejecuta Python 3.

26 de abril de 2018 19 de diciembre de 2018
1.6 TensorFlow 1.6
scikit-learn 0.19.1
XGBoost 0.7.post3

La versión 1.6 del entorno de ejecución es compatible con TensorFlow 1.6.0 para CPU y GPU.

Python 3.5 está disponible para entrenamiento y predicción en línea con la versión 1.6 del entorno de ejecución. Los paquetes de Ubuntu para Python 3 (indicados en negrita) se instalan cuando se ejecuta Python 3.

20 de marzo de 2018 19 de diciembre de 2018
1.5 TensorFlow 1.5
scikit-learn 0.19.1
XGBoost 0.7.post3

La versión 1.5 del entorno de ejecución es compatible con TensorFlow 1.5.0 para CPU y GPU.

Python 3.5 está disponible para entrenamiento y predicción en línea con la versión 1.5 del entorno de ejecución. Los paquetes de Ubuntu para Python 3 (indicados en negrita) se instalan cuando se ejecuta Python 3.

13 de marzo de 2018 19 de diciembre de 2018
1.4 TensorFlow 1.4.0 y 1.4.1
scikit-learn 0.18.1
XGBoost 0.6a2

La versión 1.4 del entorno de ejecución usa TensorFlow 1.4.0 para la predicción en línea y 1.4.1 para la predicción y entrenamiento por lotes.

Python 3.5 está disponible para entrenamiento y predicción en línea con la versión 1.4 del entorno de ejecución. Los paquetes de Ubuntu para Python 3 (indicados en negrita) se instalan cuando se ejecuta Python 3.

La versión más antigua del entorno de ejecución de Cloud ML Engine que es compatible para scikit-learn y XGBoost es la versión 1.4.

11 de diciembre de 2017 19 de diciembre de 2018
1.2 TensorFlow 1.2.0

La versión 1.2 del entorno de ejecución usa una imagen base del SO de Ubuntu 16.04 en lugar de la versión Debian Jessie usada por la 1.0.

27 de junio de 2017
1.0 TensorFlow 1.0.1

Esta es la versión del entorno de ejecución de Cloud ML Engine predeterminada y actualmente compatible con la API de v1 Cloud Machine Learning Engine.

8 de marzo de 2017

Asistencia para versiones anteriores del entorno de ejecución

Las versiones anteriores de mayor y menor entorno de ejecución son compatibles durante un período específico de tiempo después de que se actualiza la versión nueva. Puedes continuar entrenando modelos y obtener predicciones con una versión de entorno de ejecución más antigua durante este período. Las versiones del entorno de ejecución no son compatibles más allá de ese período.

Meses después de que el entorno de ejecución se reemplaza Puede entrenar modelos y entregar predicciones
0-12
12+ No

Asistencia para GPU

Las máquinas habilitadas para GPU vienen preinstaladas con tensorflow-gpu, el paquete de Python de Tensorflow con asistencia de GPU.

Otras máquinas vienen preinstaladas con el paquete tensorflow regular en su lugar.

Asistencia para Cloud TPU (Beta)

Las versiones del entorno de ejecución de Cloud ML Engine 1.9, 1.11, 1.12 están disponibles a fin de entrenar tus modelos en Cloud TPU. Consulta cómo solicitar una cuota de Cloud TPU y cómo usar TPU para entrenar tu modelo.

¿Qué sigue?

¿Te sirvió esta página? Envíanos tu opinión:

Enviar comentarios sobre…

Cloud ML Engine para TensorFlow