Escolher uma imagem de máquina virtual

As instâncias de notebooks gerenciados pelo usuário são instâncias de imagens de VM de aprendizado profundo com ambientes de notebook JupyterLab ativados e prontos para uso. Imagens específicas de notebooks gerenciados pelo usuário estão disponíveis para atender à sua escolha de framework e processador. Para encontrar a imagem pretendida, consulte a tabela a seguir.

Escolher uma família de imagens

Para garantir que sua instância use uma família de imagens compatível, crie uma instância fazendo referência a uma família de imagens com -notebooks no nome. A tabela a seguir lista as versões padrão de famílias de imagens, organizadas por tipo de framework. Se você precisar de uma versão específica de framework que não é mostrada aqui, consulte Versões de framework compatíveis.

Framework Processador Nomes de família 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 (experimenta) r-4-1-cpu-experimental-notebooks

Escolher um sistema operacional

O Debian 11 é o sistema operacional padrão para a maioria dos frameworks. As imagens do Ubuntu 20.04 estão disponíveis para alguns frameworks. As imagens do Ubuntu 20.04 são indicadas pelos sufixos -ubuntu-2004 no nome da família da imagem. Consulte Listar todas as versões disponíveis. As imagens do Debian 10 e Debian 9 estão obsoletas.

As famílias de imagens PyTorch e TensorFlow Enterprise oferecem suporte a aceleradores de GPU A100.

Imagens do TensorFlow Enterprise

As famílias de imagens do TensorFlow Enterprise oferecem uma distribuição do TensorFlow otimizada pelo Google Cloud. Para mais informações sobre o TensorFlow Enterprise, incluindo quais versões são compatíveis, consulte Visão geral do TensorFlow Enterprise.

Imagens experimentais

A tabela de famílias de imagens mostra as famílias de imagens de notebooks gerenciadas pelo usuário que são experimentais. Imagens experimentais são compatíveis com base no melhor esforço e podem não receber atualizações em cada nova versão do framework.

Especificar uma versão de imagem

Quando você usa um nome de família de imagens para criar uma instância de notebooks gerenciados pelo usuário, é gerada a imagem mais recente dessa versão do framework. Por exemplo, se você criar uma instância de notebooks gerenciados pelo usuário com base no nome de família tf-ent-2-13-cu113-notebooks, o nome específico da imagem poderá ser como tf-ent-2-13-cu113-notebooks-v20230716.

Para criar várias instâncias de notebooks gerenciados pelo usuário com base na mesma imagem, use o nome da imagem em vez do nome da família.

Para determinar o nome exato da imagem mais recente, execute o seguinte comando usando a Google Cloud CLI no terminal de sua preferência ou no Cloud Shell. Substitua IMAGE_FAMILY pelo nome da família da imagem para a qual você quer o número da versão mais recente.

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

Na saída, procure o campo name e use esse nome de imagem ao criar instâncias.

Versões de framework compatíveis

A Vertex AI é compatível com cada versão de framework com base em uma programação para minimizar as vulnerabilidades de segurança. Consulte a política de suporte do framework da Vertex AI para entender as implicações das datas de término e de fim da disponibilidade do suporte.

Se você precisar de um framework específico ou uma versão CUDA, consulte as tabelas a seguir. Para encontrar um VERSION_DATE específico para uma imagem, consulte Como listar as versões disponíveis.

Versões de base

Versão do framework de MLs Versão atual do patch Aceleradores compatíveis Fim do patch e da data de suporte Data de término da disponibilidade Nome da família da imagem
CPU base (Python 3.10 / Debian 11) Não relevante (N/A) Somente CPU 1 de julho de 2024 1 de julho de 2025 common-cpu-VERSION_DATE-debian-11
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) >1º de julho de 2024 >1º 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
CPU base (Python 3.7) Não relevante (N/A) Somente CPU 18 de setembro de 2023 18 de setembro de 2024 common-cpu-VERSION_DATE-debian-10

Versões do TensorFlow

Versão do framework de MLs Versão atual do patch Aceleradores compatíveis Fim do patch e da data de suporte Data de término da disponibilidade Nome da família da imagem
2.15 (Python 3.10) 2.15.0 Somente CPU 14 de novembro de 2024 14 de novembro de 2024 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 2024 tf-2-15-cu121-VERSION_DATE-py310
2.14 (Python 3.10) 2.14.0 Somente 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 Somente 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 Somente 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 Somente 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 Somente 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 Somente 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 Somente 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 Somente 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 Somente CPU 10 de agosto de 2024 10 de agosto de 2025 tf-2-6-cpu-VERSION_DATE-py39
2.6 (py39) 2.6.5 GPU (CUDA 11.3) 10 de agosto de 2024 10 de agosto de 2025 tf-2-6-cu110-VERSION_DATE-py39
2.6 (py37) 2.6.5 Somente 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 Somente 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 MLs Versão atual do patch Aceleradores compatíveis Fim do patch e da data de suporte Data de término da disponibilidade Nome da família da imagem
2.2 (Python 3.10) 2.2.0 CUDA 12.1 30 de janeiro de 2024 30 de janeiro de 2025 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 dezembro de 2024 pytorch-1-13-VERSION_DATE-py310
1.13 1.13.1 CUDA 11.3 8 de dezembro de 2023 8 de dezembro de 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

Listar todas as versões disponíveis usando a CLI gcloud

Também é possível listar todas as imagens disponíveis da Vertex AI usando o seguinte comando da CLI da gcloud:

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

Os nomes de famílias de imagens são listados no seguinte formato:

FRAMEWORK-VERSION-CUDA_VERSION(-experimental)-notebooks

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

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

A seguir