Scelta di un'immagine VM
Le istanze di blocchi note gestiti dall'utente sono istanze Deep Learning VM Images con ambienti di blocco note JupyterLab che sono abilitati e pronti all'uso. Sono disponibili immagini specifiche di blocchi note gestiti dall'utente in base al framework e al processore che preferisci. Per trovare l'immagine desiderata, consulta la tabella seguente.
Decidi la scelta di una famiglia di immagini
Per assicurarti che l'istanza utilizzi una famiglia di immagini supportata, crea un'istanza facendo riferimento a una famiglia di immagini il cui nome contiene -notebooks
. La seguente tabella elenca le versioni predefinite delle famiglie di immagini, organizzate per tipo di framework. Se hai bisogno di una versione specifica del framework
non mostrata qui,
consulta Versioni del framework supportate.
Framework | Processore | Nomi di famiglie di immagini |
---|---|---|
Livelli | 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 (sperimentale) | r-4-1-cpu-experimental-notebooks |
Scegli un sistema operativo
Debian 11 è il sistema operativo predefinito per la maggior parte dei framework. Per alcuni framework sono disponibili immagini
di Ubuntu 22.04.
Le immagini Ubuntu 22.04 sono indicate dai suffissi -ubuntu-2204
nel nome della famiglia di immagini (vedi Elenco di tutte le versioni disponibili). Le immagini Debian 10 e Debian 9 sono deprecate.
Le famiglie di immagini PyTorch e TensorFlow Enterprise supportano gli acceleratori GPU A100.
Immagini TensorFlow Enterprise
Le famiglie di immagini TensorFlow Enterprise offrono una distribuzione di TensorFlow ottimizzata per Google Cloud. Per ulteriori informazioni su TensorFlow Enterprise, incluse le versioni supportate, consulta la panoramica di TensorFlow Enterprise.
Immagini sperimentali
La tabella delle famiglie di immagini mostra le famiglie di immagini dei blocchi note gestiti dall'utente sperimentali. Le immagini sperimentali sono supportate secondo il criterio del "best effort" e potrebbero non ricevere aggiornamenti a ogni nuova release del framework.
Specifica una versione immagine
Quando utilizzi un nome della famiglia di immagini per creare un'istanza di blocchi note gestiti dall'utente, ottieni l'immagine più recente di quella versione del framework.
Ad esempio, se crei un'istanza di blocchi note gestiti dall'utente
in base al nome della famiglia tf-ent-2-13-cu113-notebooks
,
il nome specifico dell'immagine potrebbe essere
tf-ent-2-13-cu113-notebooks-v20230716
.
Per creare più istanze di blocchi note gestiti dall'utente in base alla stessa immagine, utilizza il nome immagine anziché il nome della famiglia di immagini.
Per determinare il nome esatto dell'immagine più recente, esegui questo comando utilizzando Google Cloud CLI nel tuo terminale preferito o in Cloud Shell. Sostituisci IMAGE_FAMILY con il cognome della famiglia di immagini di cui vuoi ricevere il numero di versione più recente.
gcloud compute images describe-from-family IMAGE_FAMILY \ --project deeplearning-platform-release
Nell'output, cerca il campo name
e utilizza il nome dell'immagine quando crei le istanze.
Versioni del framework supportate
Vertex AI supporta ogni versione del framework in base a una programmazione per ridurre al minimo le vulnerabilità di sicurezza. Consulta le norme di assistenza per framework Vertex AI per comprendere le implicazioni delle date di fine assistenza e fine disponibilità.
Se hai bisogno di un framework o di una versione CUDA specifici, consulta le tabelle seguenti. Per trovare un elemento VERSION_DATE
specifico per un'immagine, consulta Elenco delle versioni disponibili.
Versioni di base
Versione framework ML | Versione patch attuale | Acceleratori supportati | Data di fine della patch e del supporto | Data di fine della disponibilità | Nome famiglia immagini |
---|---|---|---|---|---|
CPU di base (Python 3.10 / Debian 11) | Non applicabile (N/A) | Solo CPU | 1 lug 2024 | 1 lug 2025 | common-cpu-VERSION_DATE-debian-11 |
Base-cu121 (Python 3.10) | CUDA 12.1 | GPU (CUDA 12.1) | 28 feb 2024 | 28 feb 2025 | common-cu121-VERSION_DATE-debian-11-py310 |
Base-cu118 (Python 3.10) | CUDA 11.8 | GPU (CUDA 11.8) | > 1° luglio 2024 | > 1° luglio 2025 | common-cu118-VERSION_DATE-debian-11-py310 |
Base-cu113 (Python 3.10) | CUDA 11.3 | GPU (CUDA 11.3) | 1 gen 2024 | 1 gen 2025 | common-cu113-VERSION_DATE-debian-11-py310 |
Base-cu113 (Python 3.7) | CUDA 11.3 | GPU (CUDA 11.3) | 18 set 2023 | 18 set 2024 | common-cu113-VERSION_DATE-py37 |
Base-cu110 (Python 3.7) | CUDA 11.0 | GPU (CUDA 11.0) | 18 set 2023 | 18 set 2024 | common-cu110-VERSION_DATE-py37 |
CPU di base (Python 3.7) | Non applicabile (N/A) | Solo CPU | 18 set 2023 | 18 set 2024 | common-cpu-VERSION_DATE-debian-10 |
Versioni TensorFlow
Versione framework ML | Versione patch attuale | Acceleratori supportati | Data di fine della patch e del supporto | Data di fine della disponibilità | Nome famiglia immagini |
---|---|---|---|---|---|
2.15 (Python 3.10) | 2.15.0 | Solo CPU | 14 nov 2024 | 14 nov 2025 | tf-2-15-cpu-VERSION_DATE-py310 |
2.15 (Python 3.10) | 2.15.0 | GPU (CUDA 12.1) | 14 nov 2024 | 14 nov 2025 | tf-2-15-cu121-VERSION_DATE-py310 |
2.14 (Python 3.10) | 2.14.0 | Solo CPU | 26 set 2024 | 26 set 2025 | tf-2-14-cpu-VERSION_DATE-py310 |
2.14 (Python 3.10) | 2.14.0 | GPU (CUDA 11.8) | 26 set 2024 | 26 set 2025 | tf-2-14-cu118-VERSION_DATE-py310 |
2.13 (Python 3.10) | 2.13.0 | Solo CPU | 5 lug 2024 | 5 lug 2025 | tf-2-13-cpu-VERSION_DATE-py310 |
2.13 (Python 3.10) | 2.13.0 | GPU (CUDA 11.8) | 5 lug 2024 | 5 lug 2025 | tf-2-13-cu118-VERSION_DATE-py310 |
2.12 (Python 3.10) | 2.12.0 | Solo CPU | 30 giugno 2024 | 30 giugno 2025 | tf-2-12-cpu-VERSION_DATE-py310 |
2.12 (Python 3.10) | 2.12.0 | GPU (CUDA 11.8) | 18 gennaio 2024 | 18 gennaio 2025 | tf-2-12-cu113-VERSION_DATE-py310 |
2.11 (Python 3.10) | 2.11.0 | Solo 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 | Solo 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 | Solo 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 | Solo 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 | Solo 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 | Solo CPU | 10 agosto 2024 | 10 agosto 2025 | tf-2-6-cpu-VERSION_DATE-py39 |
2,6 (py39) | 2.6.5 | GPU (CUDA 11.3) | 10 agosto 2024 | 10 agosto 2025 | tf-2-6-cu110-VERSION_DATE-py39 |
2.6 (py37) | 2.6.5 | Solo CPU | 18 set 2023 | 18 set 2024 | tf-2-6-cpu-VERSION_DATE-py37 |
2.6 (py37) | 2.6.5 | GPU (CUDA 11.3) | 18 set 2023 | 18 set 2024 | tf-2-6-cu110-VERSION_DATE-py37 |
2.3 | 2.3.4 | Solo CPU | 1° set 2023 | 1° set 2024 | tf-2-3-cpu |
2.3 | 2.3.4 | GPU (CUDA 11.3) | 1° set 2023 | 1° set 2024 | tf-2-3-cu110-VERSION_DATE |
Versioni PyTorch
Versione framework ML | Versione patch attuale | Acceleratori supportati | Data di fine della patch e del supporto | Data di fine della disponibilità | Nome famiglia immagini |
---|---|---|---|---|---|
2.2 (Python 3.10) | 2.2.0 | CUDA 12.1 | 30 gennaio 2025 | 30 gennaio 2026 | pytorch-2-2-VERSION_DATE-py310 |
2.1 (Python 3.10) | 2.1.0 | CUDA 12.1 | 4 ottobre 2024 | 4 ottobre 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 dicembre 2023 | 8 dicembre 2024 | pytorch-1-13-VERSION_DATE-py310 |
1,13 | 1.13.1 | CUDA 11.3 | 8 dicembre 2023 | 8 dicembre 2024 | pytorch-1-13-VERSION_DATE-py37 |
1,12 | 1.12.1 | CUDA 11.3 | 1° set 2023 | 1° set 2024 | pytorch-1-12-VERSION_DATE-py310 |
Elenca tutte le versioni disponibili utilizzando gcloud CLI
Puoi anche elencare tutte le immagini Vertex AI disponibili utilizzando il seguente comando gcloud CLI:
gcloud compute images list \ --project deeplearning-platform-release | grep notebooks
I nomi delle famiglie di immagini sono elencati nel seguente formato:
FRAMEWORK-VERSION-CUDA_VERSION(-experimental)-notebooks
FRAMEWORK
: la libreria di destinazioneVERSION
: la versione del frameworkCUDA_VERSION
: la versione dello stack CUDA, se presente.
Ad esempio, un'immagine della famiglia
tf-ent-2-13-cu113-notebooks
ha
TensorFlow Enterprise 2.13 e CUDA 11.3.
Passaggi successivi
- Utilizza la console Google Cloud per creare un'istanza di blocchi note gestiti dall'utente con proprietà predefinite
- Utilizza Google Cloud CLI per creare un'istanza di blocchi note gestiti dall'utente
- Scopri di più sulle istanze Deep Learning VM