Escolha uma imagem da máquina virtual

As instâncias de blocos de notas geridas pelo utilizador são instâncias de imagens de VMs de aprendizagem avançada com ambientes de blocos de notas do JupyterLab ativados e prontos a usar. Estão disponíveis imagens de blocos de notas geridos pelo utilizador específicos para se adequarem à sua escolha de framework e processador. Para encontrar a imagem que quer, consulte a seguinte tabela.

Escolha uma família de imagens

Para garantir que a sua instância usa uma família de imagens suportada, crie uma instância referenciando uma família de imagens com -notebooks no nome. A tabela seguinte apresenta as versões predefinidas das famílias de imagens, organizadas por tipo de framework. Se precisar de uma versão específica do framework que não seja apresentada aqui, consulte o artigo Versões de frameworks suportadas.

Framework Processador Nomes de famílias de imagens
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 (experimental) r-4-1-cpu-experimental-notebooks

Escolha um sistema operativo

O Debian 11 é o SO predefinido para a maioria das frameworks. As imagens do Ubuntu 22.04 estão disponíveis para algumas frameworks. As imagens do Ubuntu 22.04 são indicadas pelos sufixos no nome da família de imagens (consulte a secção Liste todas as versões disponíveis).-ubuntu-2204 As imagens Debian 10 e Debian 9 foram descontinuadas.

As famílias de imagens do PyTorch e TensorFlow Enterprise suportam aceleradores de GPU A100.

Imagens do TensorFlow Enterprise

As famílias de imagens do TensorFlow Enterprise oferecem uma Google Cloud distribuição otimizada do TensorFlow. Para mais informações sobre o TensorFlow Enterprise, incluindo as versões suportadas, consulte o artigo Vista geral do TensorFlow Enterprise.

Imagens experimentais

A tabela de famílias de imagens mostra as famílias de imagens de blocos de notas geridos pelo utilizador que são experimentais. As imagens experimentais são suportadas com base no melhor esforço possível e podem não receber atualizações em cada novo lançamento da framework.

Especifique uma versão da imagem

Quando usa um nome de família de imagens para criar uma instância de blocos de notas gerida pelo utilizador, recebe a imagem mais recente dessa versão da framework. Por exemplo, se criar uma instância de blocos de notas gerida pelo utilizador com base no nome da família tf-ent-2-13-cu113-notebooks, o nome da imagem específico pode ter o seguinte aspeto: tf-ent-2-13-cu113-notebooks-v20230716.

Para criar várias instâncias de blocos de notas geridos pelo utilizador com base na mesma imagem, use o nome da imagem em vez do nome da família de imagens.

Para determinar o nome exato da imagem mais recente, execute o seguinte comando através da CLI do Google Cloud no seu terminal preferido ou na Cloud Shell. Substitua IMAGE_FAMILY pelo nome da família de imagens para a qual quer o número da versão mais recente.

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

No resultado, procure o campo name e use esse nome de imagem quando criar instâncias.

Versões de frameworks suportadas

O Vertex AI suporta cada versão do framework com base num agendamento para minimizar as vulnerabilidades de segurança. Reveja a política de apoio técnico da framework do Vertex AI para compreender as implicações das datas de fim do apoio técnico e fim da disponibilidade.

Se precisar de uma framework ou uma versão do CUDA específica, consulte as tabelas seguintes. Para encontrar um VERSION_DATE específico para uma imagem, consulte Indicar as versões disponíveis.

Versões base

Versão do framework de ML Versão do patch atual Aceleradores suportados Data de fim da aplicação de patches e do apoio técnico Data de fim da disponibilidade Nome de família da imagem
Base-CPU (Python 3.10 / Debian 11) Não aplicável (N/A) Apenas CPU 1 de julho de 2024 1 de julho de 2025 common-cpu-VERSION_DATE-debian-11
Base-cu122 (Python 3.10) CUDA 12.2 GPU (CUDA 12.2) 8 de janeiro de 2025 8 de janeiro de 2026 common-cu122-VERSION_DATE-debian-11-py310
Base-cu121 (Python 3.10) CUDA 12.1 GPU (CUDA 12.1) 28 de fevereiro de 2024 28 de fevereiro de 2025 common-cu121-VERSION_DATE-debian-11-py310
Base-cu118 (Python 3.10) CUDA 11.8 GPU (CUDA 11.8) 1 de julho de 2024 1 de julho de 2025 common-cu118-VERSION_DATE-debian-11-py310
Base-cu113 (Python 3.10) CUDA 11.3 GPU (CUDA 11.3) 1 de janeiro de 2024 1 de janeiro de 2025 common-cu113-VERSION_DATE-debian-11-py310
Base-cu113 (Python 3.7) CUDA 11.3 GPU (CUDA 11.3) 18 de setembro de 2023 18 de setembro de 2024 common-cu113-VERSION_DATE-py37
Base-cu110 (Python 3.7) CUDA 11.0 GPU (CUDA 11.0) 18 de setembro de 2023 18 de setembro de 2024 common-cu110-VERSION_DATE-py37
Base-CPU (Python 3.7) Não aplicável (N/A) Apenas CPU 18 de setembro de 2023 18 de setembro de 2024 common-cpu-VERSION_DATE-debian-10

Versões do TensorFlow

Versão do framework de ML Versão do patch atual Aceleradores suportados Data de fim da aplicação de patches e do apoio técnico Data de fim da disponibilidade Nome de família da imagem
2.17 (Python 3.10) 2.17.0 Apenas CPU 11 de julho de 2025 11 de julho de 2026 tf-2-17-cpu-VERSION_DATE-py310
2.17 (Python 3.10) 2.17.0 GPU (CUDA 12.3) 11 de julho de 2025 11 de julho de 2026 tf-2-17-cu123-VERSION_DATE-py310
2.16 (Python 3.10) 2.16.2 Apenas CPU 28 de junho de 2025 28 de junho de 2026 tf-2-16-cpu-VERSION_DATE-py310
2.16 (Python 3.10) 2.16.2 GPU (CUDA 12.3) 28 de junho de 2025 28 de junho de 2026 tf-2-16-cu123-VERSION_DATE-py310
2.15 (Python 3.10) 2.15.0 Apenas CPU 14 de novembro de 2024 14 de novembro de 2025 tf-2-15-cpu-VERSION_DATE-py310
2.15 (Python 3.10) 2.15.0 GPU (CUDA 12.1) 14 de novembro de 2024 14 de novembro de 2025 tf-2-15-cu121-VERSION_DATE-py310
2.14 (Python 3.10) 2.14.0 Apenas CPU 26 de setembro de 2024 26 de setembro de 2025 tf-2-14-cpu-VERSION_DATE-py310
2.14 (Python 3.10) 2.14.0 GPU (CUDA 11.8) 26 de setembro de 2024 26 de setembro de 2025 tf-2-14-cu118-VERSION_DATE-py310
2.13 (Python 3.10) 2.13.0 Apenas CPU 5 de julho de 2024 5 de julho de 2025 tf-2-13-cpu-VERSION_DATE-py310
2.13 (Python 3.10) 2.13.0 GPU (CUDA 11.8) 5 de julho de 2024 5 de julho de 2025 tf-2-13-cu118-VERSION_DATE-py310
2.12 (Python 3.10) 2.12.0 Apenas CPU 30 de junho de 2024 30 de junho de 2025 tf-2-12-cpu-VERSION_DATE-py310
2.12 (Python 3.10) 2.12.0 GPU (CUDA 11.8) 18 de janeiro de 2024 18 de janeiro de 2025 tf-2-12-cu113-VERSION_DATE-py310
2.11 (Python 3.10) 2.11.0 Apenas CPU 15 de novembro de 2023 15 de novembro de 2024 tf-2-11-cpu-VERSION_DATE-py310
2.11 (Python 3.10) 2.11.0 GPU (CUDA 11.3) 15 de novembro de 2023 15 de novembro de 2024 tf-2-11-cu113-VERSION_DATE-py310
2.11 2.11.0 Apenas CPU 15 de novembro de 2023 15 de novembro de 2024 tf-2-11-cpu-VERSION_DATE-py37
2.11 2.11.0 GPU (CUDA 11.3) 15 de novembro de 2023 15 de novembro de 2024 tf-2-11-cu113-VERSION_DATE-py37
2.10 2.10.1 Apenas CPU 15 de novembro de 2023 15 de novembro de 2024 tf-2-10-cpu-VERSION_DATE-py37
2.10 2.10.1 GPU (CUDA 11.3) 15 de novembro de 2023 15 de novembro de 2024 tf-2-10-cu113-VERSION_DATE-py37
2.9 2.9.3 Apenas CPU 15 de novembro de 2023 15 de novembro de 2024 tf-2-9-cpu-VERSION_DATE-py37
2.9 2.9.3 GPU (CUDA 11.3) 15 de novembro de 2023 15 de novembro de 2024 tf-2-9-cu113-VERSION_DATE-py37
2.8 2.8.4 Apenas CPU 15 de novembro de 2023 15 de novembro de 2024 tf-2-8-cpu-VERSION_DATE-py37
2.8 2.8.4 GPU (CUDA 11.3) 15 de novembro de 2023 15 de novembro de 2024 tf-2-8-cu113-VERSION_DATE-py37
2.6 (py39) 2.6.5 Apenas CPU 1 de setembro de 2023 1 de setembro de 2024 tf-2-6-cpu-VERSION_DATE-py39
2.6 (py39) 2.6.5 GPU (CUDA 11.3) 1 de setembro de 2023 1 de setembro de 2024 tf-2-6-cu110-VERSION_DATE-py39
2.6 (py37) 2.6.5 Apenas CPU 18 de setembro de 2023 18 de setembro de 2024 tf-2-6-cpu-VERSION_DATE-py37
2.6 (py37) 2.6.5 GPU (CUDA 11.3) 18 de setembro de 2023 18 de setembro de 2024 tf-2-6-cu110-VERSION_DATE-py37
2.3 2.3.4 Apenas CPU 1 de setembro de 2023 1 de setembro de 2024 tf-2-3-cpu
2.3 2.3.4 GPU (CUDA 11.3) 1 de setembro de 2023 1 de setembro de 2024 tf-2-3-cu110-VERSION_DATE

Versões do PyTorch

Versão do framework de ML Versão do patch atual Aceleradores suportados Data de fim da aplicação de patches e do apoio técnico Data de fim da disponibilidade Nome de família da imagem
2.2 (Python 3.10) 2.2.0 CUDA 12.1 30 de janeiro de 2025 30 de janeiro de 2026 pytorch-2-2-VERSION_DATE-py310
2.1 (Python 3.10) 2.1.0 CUDA 12.1 4 de outubro de 2024 4 de outubro de 2025 pytorch-2-1-VERSION_DATE-py310
2.0 (Python 3.10) 2.0.0 CUDA 11.8 15 de março de 2024 15 de março de 2025 pytorch-2-0-VERSION_DATE-py310
1.13 (Python 3.10) 1.13.1 CUDA 11.3 8 de dezembro de 2023 8 de dez. 2024 pytorch-1-13-VERSION_DATE-py310
1.13 1.13.1 CUDA 11.3 8 de dezembro de 2023 8 de dez. 2024 pytorch-1-13-VERSION_DATE-py37
1.12 1.12.1 CUDA 11.3 1 de setembro de 2023 1 de setembro de 2024 pytorch-1-12-VERSION_DATE-py310

Liste todas as versões disponíveis através da CLI gcloud

Também pode listar todas as imagens do Vertex AI disponíveis através do seguinte comando da CLI gcloud:

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

Os nomes das famílias de imagens são apresentados no seguinte formato:

FRAMEWORK-VERSION-CUDA_VERSION(-experimental)-notebooks

  • FRAMEWORK: a biblioteca de destino
  • VERSION: a versão da framework
  • CUDA_VERSION: a versão da pilha CUDA, se presente.

Por exemplo, uma imagem da família tf-ent-2-13-cu113-notebooks tem TensorFlow Enterprise 2.13 e CUDA 11.3.

O que se segue?