Memilih image virtual machine

Instance notebook yang dikelola pengguna adalah instance Deep Learning VM Image dengan lingkungan notebook JupyterLab yang diaktifkan dan siap digunakan. Image notebook yang dikelola pengguna tertentu tersedia sesuai dengan pilihan framework dan prosesor Anda. Untuk menemukan image yang Anda inginkan, lihat tabel berikut.

Menentukan kelompok image

Untuk memastikan bahwa instance Anda menggunakan kelompok image yang didukung, buat instance dengan mereferensikan kelompok image dengan -notebooks di namanya. Tabel berikut mencantumkan versi default kelompok image, yang disusun berdasarkan jenis framework. Jika Anda memerlukan versi framework tertentu yang tidak ditampilkan di sini, lihat Versi framework yang didukung.

Framework Pemroses Nama kelompok image
Base GPU common-cu110-notebooks
common-cu113-notebooks
common-cu118-notebooks
common-cu121-notebooks
CPU common-cpu-notebooks
TensorFlow Enterprise GPU tf-ent-2-13-cu113-notebooks
PyTorch GPU pytorch-2-2-cu121-notebooks
R CPU (eksperimental) r-4-1-cpu-experimental-notebooks

Memilih sistem operasi

Debian 11 adalah OS default untuk sebagian besar framework. Image Ubuntu 22.04 tersedia untuk beberapa framework. Image Ubuntu 22.04 dilambangkan dengan akhiran -ubuntu-2204 dalam nama kelompok image (lihat Mencantumkan semua versi yang tersedia). Image Debian 10 dan Debian 9 tidak digunakan lagi.

Kelompok image PyTorch dan TensorFlow Enterprise mendukung akselerator GPU A100.

Image TensorFlow Enterprise

Kelompok image TensorFlow Enterprise menyediakan distribusi TensorFlow yang dioptimalkan Google Cloud. Untuk mengetahui informasi selengkapnya tentang TensorFlow Enterprise, termasuk versi yang didukung, lihat ringkasan TensorFlow Enterprise.

Image eksperimental

Tabel kelompok image menunjukkan kelompok image notebook yang dikelola pengguna yang bersifat eksperimental. Image eksperimental didukung atas dasar upaya terbaik dan mungkin tidak menerima pembaruan pada setiap rilis baru framework.

Menentukan versi image

Saat menggunakan nama kelompok image untuk membuat instance notebook yang dikelola pengguna, Anda akan mendapatkan image terbaru dari versi framework tersebut. Misalnya, jika Anda membuat instance notebook yang dikelola pengguna berdasarkan nama kelompok tf-ent-2-13-cu113-notebooks, nama image spesifik tersebut mungkin akan terlihat seperti tf-ent-2-13-cu113-notebooks-v20230716.

Untuk membuat beberapa instance notebook yang dikelola pengguna berdasarkan image yang sama persis, gunakan nama image, bukan nama kelompok image.

Untuk menentukan nama persis image terbaru, jalankan perintah berikut menggunakan Google Cloud CLI di terminal pilihan Anda atau di Cloud Shell. Ganti IMAGE_FAMILY dengan nama kelompok image yang Anda inginkan nomor versi terbarunya.

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

Pada output, cari kolom name, lalu gunakan nama image tersebut saat Anda membuat instance.

Versi framework yang didukung

Vertex AI mendukung setiap versi framework berdasarkan jadwal untuk meminimalkan kerentanan keamanan. Tinjau kebijakan dukungan framework Vertex AI untuk memahami implikasi dari tanggal akhir dukungan dan akhir ketersediaan.

Jika Anda memerlukan framework atau versi CUDA tertentu, lihat tabel berikut. Guna menemukan VERSION_DATE tertentu untuk image, lihat Mencantumkan versi yang tersedia.

Versi Base

Versi framework ML Versi patch saat ini Akselerator yang didukung Akhir patch dan tanggal dukungan Akhir tanggal ketersediaan Nama kelompok image
Base-CPU (Python 3.10/Debian 11) Tidak berlaku (T/A) Khusus CPU 1 Juli 2024 1 Juli 2025 common-cpu-VERSION_DATE-debian-11
Base-cu122 (Python 3.10) CUDA 12.2 GPU (CUDA 12.2) 8 Jan 2025 8 Januari 2026 common-cu122-VERSION_DATE-debian-11-py310
Base-cu121 (Python 3.10) CUDA 12.1 GPU (CUDA 12.1) 28 Feb 2024 28 Februari 2025 common-cu121-VERSION_DATE-debian-11-py310
Base-cu118 (Python 3.10) CUDA 11.8 GPU (CUDA 11.8) 1 Juli 2024 1 Juli 2025 common-cu118-VERSION_DATE-debian-11-py310
Base-cu113 (Python 3.10) CUDA 11.3 GPU (CUDA 11.3) 1 Jan 2024 1 Jan 2025 common-cu113-VERSION_DATE-debian-11-py310
Base-cu113 (Python 3.7) CUDA 11.3 GPU (CUDA 11.3) 18 Sep 2023 18 Sep 2024 common-cu113-VERSION_DATE-py37
Base-cu110 (Python 3.7) CUDA 11.0 GPU (CUDA 11.0) 18 Sep 2023 18 Sep 2024 common-cu110-VERSION_DATE-py37
Base-CPU (Python 3.7) Tidak berlaku (T/A) Khusus CPU 18 Sep 2023 18 Sep 2024 common-cpu-VERSION_DATE-debian-10

Versi TensorFlow

Versi framework ML Versi patch saat ini Akselerator yang didukung Akhir patch dan tanggal dukungan Akhir tanggal ketersediaan Nama kelompok image
2.17 (Python 3.10) 2.17.0 Khusus CPU 11 Juli 2025 11 Juli 2026 tf-2-17-cpu-VERSION_DATE-py310
2.17 (Python 3.10) 2.17.0 GPU (CUDA 12.3) 11 Juli 2025 11 Juli 2026 tf-2-17-cu123-VERSION_DATE-py310
2.16 (Python 3.10) 2.16.2 Khusus CPU 28 Jun 2025 28 Juni 2026 tf-2-16-cpu-VERSION_DATE-py310
2.16 (Python 3.10) 2.16.2 GPU (CUDA 12.3) 28 Jun 2025 28 Juni 2026 tf-2-16-cu123-VERSION_DATE-py310
2.15 (Python 3.10) 2.15.0 Khusus CPU 14 November 2024 14 November 2025 tf-2-15-cpu-VERSION_DATE-py310
2.15 (Python 3.10) 2.15.0 GPU (CUDA 12.1) 14 November 2024 14 November 2025 tf-2-15-cu121-VERSION_DATE-py310
2.14 (Python 3.10) 2.14.0 Khusus CPU 26 Sep 2024 26 September 2025 tf-2-14-cpu-VERSION_DATE-py310
2.14 (Python 3.10) 2.14.0 GPU (CUDA 11.8) 26 Sep 2024 26 September 2025 tf-2-14-cu118-VERSION_DATE-py310
2.13 (Python 3.10) 2.13.0 Khusus CPU 5 Juli 2024 5 Juli 2025 tf-2-13-cpu-VERSION_DATE-py310
2.13 (Python 3.10) 2.13.0 GPU (CUDA 11.8) 5 Juli 2024 5 Juli 2025 tf-2-13-cu118-VERSION_DATE-py310
2.12 (Python 3.10) 2.12.0 Khusus CPU 30 Juni 2024 30 Juni 2025 tf-2-12-cpu-VERSION_DATE-py310
2.12 (Python 3.10) 2.12.0 GPU (CUDA 11.8) 18 Jan 2024 18 Jan 2025 tf-2-12-cu113-VERSION_DATE-py310
2.11 (Python 3.10) 2.11.0 Khusus CPU 15 Nov 2023 15 Nov 2024 tf-2-11-cpu-VERSION_DATE-py310
2.11 (Python 3.10) 2.11.0 GPU (CUDA 11.3) 15 Nov 2023 15 Nov 2024 tf-2-11-cu113-VERSION_DATE-py310
2.11 2.11.0 Khusus CPU 15 Nov 2023 15 Nov 2024 tf-2-11-cpu-VERSION_DATE-py37
2.11 2.11.0 GPU (CUDA 11.3) 15 Nov 2023 15 Nov 2024 tf-2-11-cu113-VERSION_DATE-py37
2.10 2.10.1 Khusus CPU 15 Nov 2023 15 Nov 2024 tf-2-10-cpu-VERSION_DATE-py37
2.10 2.10.1 GPU (CUDA 11.3) 15 Nov 2023 15 Nov 2024 tf-2-10-cu113-VERSION_DATE-py37
2.9 2.9.3 Khusus CPU 15 Nov 2023 15 Nov 2024 tf-2-9-cpu-VERSION_DATE-py37
2.9 2.9.3 GPU (CUDA 11.3) 15 Nov 2023 15 Nov 2024 tf-2-9-cu113-VERSION_DATE-py37
2.8 2.8.4 Khusus CPU 15 Nov 2023 15 Nov 2024 tf-2-8-cpu-VERSION_DATE-py37
2.8 2.8.4 GPU (CUDA 11.3) 15 Nov 2023 15 Nov 2024 tf-2-8-cu113-VERSION_DATE-py37
2.6 (py39) 2.6.5 Khusus CPU 1 Sep 2023 1 Sep 2024 tf-2-6-cpu-VERSION_DATE-py39
2.6 (py39) 2.6.5 GPU (CUDA 11.3) 1 Sep 2023 1 Sep 2024 tf-2-6-cu110-VERSION_DATE-py39
2.6 (py37) 2.6.5 Khusus CPU 18 Sep 2023 18 Sep 2024 tf-2-6-cpu-VERSION_DATE-py37
2.6 (py37) 2.6.5 GPU (CUDA 11.3) 18 Sep 2023 18 Sep 2024 tf-2-6-cu110-VERSION_DATE-py37
2.3 2.3.4 Khusus CPU 1 Sep 2023 1 Sep 2024 tf-2-3-cpu
2.3 2.3.4 GPU (CUDA 11.3) 1 Sep 2023 1 Sep 2024 tf-2-3-cu110-VERSION_DATE

Versi PyTorch

Versi framework ML Versi patch saat ini Akselerator yang didukung Akhir patch dan tanggal dukungan Akhir tanggal ketersediaan Nama kelompok image
2.2 (Python 3.10) 2.2.0 CUDA 12.1 30 Jan 2025 30 Januari 2026 pytorch-2-2-VERSION_DATE-py310
2.1 (Python 3.10) 2.1.0 CUDA 12.1 4 Oktober 2024 4 Oktober 2025 pytorch-2-1-VERSION_DATE-py310
2.0 (Python 3.10) 2.0.0 CUDA 11.8 15 Mar 2024 15 Mar 2025 pytorch-2-0-VERSION_DATE-py310
1.13 (Python 3.10) 1.13.1 CUDA 11.3 8 Des 2023 8 Des 2024 pytorch-1-13-VERSION_DATE-py310
1.13 1.13.1 CUDA 11.3 8 Des 2023 8 Des 2024 pytorch-1-13-VERSION_DATE-py37
1.12 1.12.1 CUDA 11.3 1 Sep 2023 1 Sep 2024 pytorch-1-12-VERSION_DATE-py310

Mencantumkan semua versi yang tersedia menggunakan gcloud CLI

Anda juga dapat mencantumkan semua image Vertex AI yang tersedia menggunakan perintah gcloud CLI berikut:

gcloud compute images list \
    --project deeplearning-platform-release | grep notebooks

Nama kelompok image tercantum dalam format berikut:

FRAMEWORK-VERSION-CUDA_VERSION(-experimental)-notebooks

  • FRAMEWORK: library target
  • VERSION: versi framework
  • CUDA_VERSION: versi stack CUDA, jika ada.

Misalnya, image dari kelompok tf-ent-2-13-cu113-notebooks memiliki TensorFlow Enterprise 2.13 dan CUDA 11.3.

Langkah berikutnya