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 destinazione
  • VERSION: la versione del framework
  • CUDA_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