Scelta di un'immagine VM
Le istanze di blocchi note gestiti dall'utente Immagini Deep Learning VM instances con ambienti di blocchi note JupyterLab, abilitati e pronti all'uso. Sono disponibili immagini specifiche di blocchi note gestiti dall'utente in base alle esigenze il framework e il processore. Per trovare l'immagine che ti interessa: 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 con -notebooks
nel nome. La tabella seguente elenca le versioni predefinite delle famiglie di immagini,
organizzate per tipo di framework. Se hai bisogno di una versione specifica del framework che non è mostrata qui, consulta la sezione 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. Ubuntu 22.04
sono disponibili immagini per alcuni framework.
Le immagini Ubuntu 22.04 sono indicate dal -ubuntu-2204
suffissi nel nome della famiglia di immagini (vedi Elenco di tutte le opzioni disponibili
versioni successive). Le immagini Debian 10 e Debian 9 sono deprecate.
PyTorch e TensorFlow Enterprise le famiglie di immagini supportano gli acceleratori GPU A100.
Immagini TensorFlow Enterprise
Le famiglie di immagini TensorFlow Enterprise offrono un Google Cloud la distribuzione ottimizzata di TensorFlow. Per ulteriori informazioni su TensorFlow Enterprise, incluse le versioni sono supportati, consulta Panoramica di TensorFlow Enterprise.
Immagini sperimentali
La tabella delle famiglie di immagini mostra la famiglie di immagini di blocchi note gestiti dall'utente che sono sperimentali. Le immagini sperimentali sono supportate secondo il criterio del massimo impegno 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 una
di blocchi note gestiti dall'utente, vedrai l'immagine più recente
di quella versione del framework.
Ad esempio, se crei un'istanza di blocchi note gestiti dall'utente
in base al cognome 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 la stessa immagine, utilizza il nome dell'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 Cloud Shell. Sostituisci IMAGE_FAMILY con il nome della famiglia di immagini che vuoi 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 pianificazione per al minimo le vulnerabilità di sicurezza. Esamina il framework Vertex AI norme di assistenza per comprendere implicazioni delle date di fine assistenza e disponibilità.
Se hai bisogno di un framework o di una versione CUDA specifici, consulta le tabelle seguenti. A
per trovare un VERSION_DATE
specifico per un'immagine, consulta la sezione Elenco delle opzioni disponibili
e versioni successive.
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 lug 2024 | 1 lug 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 novembre 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 settembre 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 novembre 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 novembre 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 novembre 2023 | 15 novembre 2024 | tf-2-10-cu113-VERSION_DATE-py37 |
2,9 | 2.9.3 | Solo CPU | 15 nov 2023 | 15 novembre 2024 | tf-2-9-cpu-VERSION_DATE-py37 |
2,9 | 2.9.3 | GPU (CUDA 11.3) | 15 novembre 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 novembre 2023 | 15 nov 2024 | tf-2-8-cu113-VERSION_DATE-py37 |
2,6 (py39) | 2.6.5 | Solo CPU | 1° set 2023 | 1° set 2024 | tf-2-6-cpu-VERSION_DATE-py39 |
2,6 (py39) | 2.6.5 | GPU (CUDA 11.3) | 1° set 2023 | 1° set 2024 | 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 marzo 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 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 famigliatf-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 su Deep Learning VM instances