ランタイム バージョン リスト

AI プラットフォームは、ランタイム バージョンの指定に基づくイメージを使用して、トレーニングと予測のリクエストを処理するようにクラウド リソースを構成します。このページでは、ランタイム バージョンとその構成パッケージの一覧を示します。詳しくは、ランタイム バージョンの管理と設定の方法をご覧ください。

サポートされている AI プラットフォーム ランタイム バージョン

AI プラットフォームでサポートされているバージョンは次のとおりです。

バージョン パッケージ リリース日 最終更新
1.13 TensorFlow 1.13.1
scikit-learn 0.20.2
XGBoost 0.81

ランタイム バージョン 1.13 は、CPU および GPU 用の TensorFlow 1.13.1 をサポートしています。このランタイム バージョンでは、トレーニングに GPU を使用できますが、バッチ予測とオンライン予測には使用できません。

Python 3.5 は、ランタイム バージョン 1.13 のトレーニングとオンライン予測に使用できます。Python 3 の Ubuntu パッケージ(太字で表示)は、Python 3 の実行時にインストールされます。

2019 年 3 月 6 日 2019 年 3 月 25 日
1.12 TensorFlow 1.12.2
scikit-learn 0.20.0
XGBoost 0.81

ランタイム バージョン 1.12 は、CPU および GPU 用の TensorFlow 1.12.2 をサポートしています(GPU は、オンライン予測ではサポートされません)。

Python 3.5 は、ランタイム バージョン 1.12 のトレーニングとオンライン予測に使用できます。Python 3 の Ubuntu パッケージ(太字で表示)は、Python 3 の実行時にインストールされます。

2018 年 12 月 19 日 2019 年 5 月 3 日
1.11 TensorFlow 1.11
scikit-learn 0.19.2
XGBoost 0.80

ランタイム バージョン 1.11 は、CPU および GPU 用の TensorFlow 1.11.0 をサポートしています(GPU は、オンライン予測ではサポートされません)。

Python 3.5 は、ランタイム バージョン 1.11 のトレーニングとオンライン予測に使用できます。Python 3 の Ubuntu パッケージ(太字で表示)は、Python 3 の実行時にインストールされます。

2018 年 12 月 19 日
1.10 TensorFlow 1.10
scikit-learn 0.19.2
XGBoost 0.72.1

ランタイム バージョン 1.10 は、CPU および GPU 用の TensorFlow 1.10.0 をサポートしています(GPU は、オンライン予測ではサポートされません)。

Python 3.5 は、ランタイム バージョン 1.10 のトレーニングとオンライン予測に使用できます。Python 3 の Ubuntu パッケージ(太字で表示)は、Python 3 の実行時にインストールされます。

2018 年 8 月 31 日 2018 年 12 月 19 日
1.9 TensorFlow 1.9
scikit-learn 0.19.1
XGBoost 0.72.1

ランタイム バージョン 1.9 は、CPU および GPU 用の TensorFlow 1.9.0 をサポートしています(GPU は、オンライン予測ではサポートされません)。

Python 3.5 は、ランタイム バージョン 1.9 のトレーニングとオンライン予測に使用できます。Python 3 の Ubuntu パッケージ(太字で表示)は、Python 3 の実行時にインストールされます。

2018 年 6 月 27 日 2018 年 12 月 19 日
1.8 TensorFlow 1.8
scikit-learn 0.19.1
XGBoost 0.71

ランタイム バージョン 1.8 は、CPU および GPU 用の TensorFlow 1.8.0 をサポートしています(GPU は、オンライン予測ではサポートされません)。

Python 3.5 は、ランタイム バージョン 1.8 のトレーニングとオンライン予測に使用できます。Python 3 の Ubuntu パッケージ(太字で表示)は、Python 3 の実行時にインストールされます。

gcloud パッケージと google-cloud-logging パッケージは google-cloud パッケージに置き換えられました。このパッケージには、削除された両方のパッケージが含まれます。

2018 年 5 月 8 日 2018 年 12 月 19 日
1.7 TensorFlow 1.7
scikit-learn 0.19.1
XGBoost 0.7.post3

ランタイム バージョン 1.7 は、CPU および GPU 用の TensorFlow 1.7.0 をサポートしています。

Python 3.5 は、ランタイム バージョン 1.7 のトレーニングとオンライン予測に使用できます。Python 3 の Ubuntu パッケージ(太字で表示)は、Python 3 の実行時にインストールされます。

2018 年 4 月 26 日 2018 年 12 月 19 日
1.6 TensorFlow 1.6
scikit-learn 0.19.1
XGBoost 0.7.post3

ランタイム バージョン 1.6 は、CPU および GPU 用の TensorFlow 1.6.0 をサポートしています。

Python 3.5 は、ランタイム バージョン 1.6 のトレーニングとオンライン予測に使用できます。Python 3 の Ubuntu パッケージ(太字で表示)は、Python 3 の実行時にインストールされます。

2018 年 3 月 20 日 2018 年 12 月 19 日
1.5 TensorFlow 1.5
scikit-learn 0.19.1
XGBoost 0.7.post3

ランタイム バージョン 1.5 は、CPU および GPU 用の TensorFlow 1.5.0 をサポートしています。

Python 3.5 は、ランタイム バージョン 1.5 のトレーニングとオンライン予測に使用できます。Python 3 の Ubuntu パッケージ(太字で表示)は、Python 3 の実行時にインストールされます。

2018 年 3 月 13 日 2018 年 12 月 19 日
1.4 TensorFlow 1.4.0 と 1.4.1
scikit-learn 0.18.1
XGBoost 0.6a2

ランタイム バージョン 1.4 では、TensorFlow 1.4.0 をオンライン予測に、1.4.1 をバッチ予測とトレーニングに使用しています。

Python 3.5 は、ランタイム バージョン 1.4 のトレーニングとオンライン予測に使用できます。Python 3 の Ubuntu パッケージ(太字で表示)は、Python 3 の実行時にインストールされます。

scikit-learn と XGBoost をサポートする最も古い AI Platform ランタイム バージョンは 1.4 です。

2017 年 12 月 11 日 2018 年 12 月 19 日
1.2 TensorFlow 1.2.0

ランタイム バージョン 1.2 は、1.0 で使用されている Debian Jessie バージョンの代わりに、Ubuntu 16.04 OS ベースイメージを使用しています。

2017 年 6 月 27 日
1.0 TensorFlow 1.0.1

これは、v1 AI プラットフォーム トレーニング API と予測 API で現在サポートされているデフォルトの AI プラットフォーム ランタイム バージョンです。

2017 年 3 月 8 日

古いランタイム バージョンのサポート

古いメジャーとマイナーのランタイム バージョンは、新しいバージョンがリリースされた後、特定の期間サポートされます。この期間中は、古いランタイム バージョンを使用してモデルのトレーニングや予測の取得を行うことができます。ランタイム バージョンは、その期間より後はサポートされません。

新しいランタイム バージョンになった後の月数 モデルをトレーニングし、予測を処理できるか
0~12
12+ ×

GPU のサポート

GPU が有効なマシンには、GPU をサポートする TensorFlow Python パッケージの tensorflow-gpu がプリインストールされています。

他のマシンには通常の tensorflow パッケージがプリインストールされています。

Cloud TPU のサポート

AI プラットフォーム ランタイム バージョン 1.11 と 1.12 が Cloud TPU でのモデルのトレーニングで使用できます。Cloud TPU の割り当てをリクエストする方法と TPU を使用してモデルをトレーニングする方法をご覧ください。

次のステップ

このページは役立ちましたか?評価をお願いいたします。

フィードバックを送信...

TensorFlow 用 AI Platform