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.

Scegli 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. Nella tabella seguente sono elencate le versioni predefinite delle famiglie di immagini. organizzati per tipo di framework. Se hai bisogno di una versione specifica del framework non viene mostrato qui, vedi 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 di 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 ritirate.

PyTorch e TensorFlow Enterprise le famiglie di immagini supportano gli acceleratori GPU A100.

Immagini di TensorFlow Enterprise

Le famiglie di immagini TensorFlow Enterprise forniscono una distribuzione di TensorFlow ottimizzata per Google Cloud. Per saperne di più 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 supportati secondo il criterio del "best effort" e potrebbero non ricevere 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. Rivedi 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. Per trovare un VERSION_DATE specifico per un'immagine, consulta Elenco delle versioni disponibili.

Versioni di base

Versione framework ML Versione attuale della patch Acceleratori supportati Data di fine della patch e del supporto Data di fine disponibilità Nome famiglia immagini
Base-CPU (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 febbraio 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° gennaio 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 settembre 2024 common-cu113-VERSION_DATE-py37
Base-cu110 (Python 3.7) CUDA 11.0 GPU (CUDA 11.0) 18 set 2023 18 settembre 2024 common-cu110-VERSION_DATE-py37
Base-CPU (Python 3.7) Non applicabile (N/A) Solo CPU 18 set 2023 18 set 2024 common-cpu-VERSION_DATE-debian-10

Versioni di TensorFlow

Versione framework ML Versione attuale della patch Acceleratori supportati Data di fine della patch e del supporto Data di fine disponibilità Nome famiglia immagini
2.15 (Python 3.10) 2.15.0 Solo CPU 14 novembre 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 settembre 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 settembre 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 luglio 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 novembre 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 novembre 2024 tf-2-11-cu113-VERSION_DATE-py310
2,11 2.11.0 Solo CPU 15 novembre 2023 15 novembre 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 novembre 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 novembre 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 novembre 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 1° settembre 2023 1° settembre 2024 tf-2-6-cpu-VERSION_DATE-py39
2.6 (py39) 2.6.5 GPU (CUDA 11.3) 1° settembre 2023 1° set 2024 tf-2-6-cu110-VERSION_DATE-py39
2.6 (py37) 2.6.5 Solo CPU 18 set 2023 18 settembre 2024 tf-2-6-cpu-VERSION_DATE-py37
2.6 (py37) 2.6.5 GPU (CUDA 11.3) 18 set 2023 18 settembre 2024 tf-2-6-cu110-VERSION_DATE-py37
2.3 2.3.4 Solo CPU 1° settembre 2023 1° settembre 2024 tf-2-3-cpu
2.3 2.3.4 GPU (CUDA 11.3) 1° settembre 2023 1° set 2024 tf-2-3-cu110-VERSION_DATE

Versioni PyTorch

Versione framework ML Versione attuale della patch Acceleratori supportati Data di fine della patch e del supporto Data di fine 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° settembre 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 famigliatf-ent-2-13-cu113-notebooks ha TensorFlow Enterprise 2.13 e CUDA 11.3.

Passaggi successivi