VM-Image auswählen

Nutzerverwaltete Notebookinstanzen sind Deep Learning VM Image-Instanzen mit aktivierten JupyterLab-Notebook-Umgebungen, die sofort verwendet werden können. Je nach Framework und Prozessor sind bestimmte nutzerverwaltete Notebook-Images verfügbar. In der folgenden Tabelle finden Sie das gewünschte Image.

Imagefamilie auswählen

Welche Imagefamilie für nutzerverwaltete Notebooks verwendet werden soll, hängt von Ihren Anforderungen ab. In der folgenden Tabelle sind die Standardversionen von Imagefamilien aufgeführt, sortiert nach Framework-Typ. Wenn Sie eine Instanz dadurch erstellen, dass Sie auf eine Imagefamilie mit -notebook im Namen verweisen, achten Sie darauf, dass die Instanz eine unterstützte Imagefamilie ist. Wenn Sie eine bestimmte Framework-Version benötigen, die hier nicht aufgeführt ist, lesen Sie den Abschnitt Alle verfügbaren Versionen auflisten.

Framework Prozessor Image-Familienname(n)
Basis GPU common-cu100-notebooks
common-cu101-notebooks
common-cu110-notebooks
CPU common-cpu-notebooks
TensorFlow Enterprise 2.x gpu tf2-ent-2-1-cu110-notebooks
tf2-ent-2-3-cu110-notebooks
tf2-ent-2-6-cu110-notebooks
TensorFlow Enterprise 1.x GPU tf-ent-1-15-cu110-notebooks
PyTorch GPU pytorch-1-9-cu110-notebooks
PyTorch XLA TPU/GPU/CPU (experimentell) pytorch-1-9-xla-notebooks
R CPU (experimentell) r-4-0-cpu-experimental-notebooks
RAPIDS GPU (experimentell) rapids-0-18-gpu-experimental-notebooks
Verworfene Notebook-Images Gemischt tf2-2-0-cu100-notebooks
tf2-2-2-cu101-notebooks
tf2-2-4-cu110-notebooks
tf2-ent-2-5-cu110-notebooks
tf-1-13-cu100-notebooks
tf-1-14-cu100-notebooks
pytorch-1-1-cu100-notebooks
pytorch-1-2-cu100-notebooks
pytorch-1-3-cu100-notebooks
pytorch-1-4-cu101-notebooks
pytorch-1-6-cu110-notebooks
pytorch-1-7-cu110-notebooks
pytorch-1-8-cu110-notebooks
pytorch-1-6-xla-notebooks
pytorch-1-7-xla-notebooks
pytorch-1-8-xla-notebooks
r-3-5-cpu-experimental-notebooks
r-3-6-cpu-experimental-notebooks
rapids-0-7-gpu-experimental-notebooks
rapids-0-12-gpu-experimental-notebooks

Betriebssystem auswählen

Für die meisten Frameworks ist Debian 10 das Standardbetriebssystem. Ubuntu 18.04-Images sind für einige Frameworks verfügbar. Sie sind durch die Suffixe -ubuntu-1804 im Namen der Imagefamilie gekennzeichnet (siehe Alle verfügbaren Versionen auflisten). Debian 9-Images wurden verworfen.

PyTorch- und TensorFlow Enterprise-Imagefamilien (tf-ent und tf2-ent) unterstützen A100-GPU-Beschleuniger.

TensorFlow Enterprise-Images

TensorFlow Enterprise-Container-Images bieten eine für Google Cloud optimierte Distribution von TensorFlow. Bestimmte Versionen der TensorFlow Enterprise-Distribution enthalten außerdem langfristige Versionsunterstützung. Weitere Informationen zu TensorFlow Enterprise finden Sie in der TensorFlow Enterprise-Übersicht.

Die folgende Tabelle der verfügbaren TensorFlow-Images unterstützt Sie bei der Auswahl des Images mit der gewünschten TensorFlow- oder TensorFlow Enterprise-Version.

Version von TensorFlow oder TensorFlow Enterprise Prozessor Image-Familienname Langfristige Versionsunterstützung
TensorFlow Enterprise 2.6 GPU tf2-ent-2-6-cu110-notebooks Enthalten
TensorFlow Enterprise 2.5 GPU tf2-ent-2-5-cu110-notebooks Nicht enthalten
TensorFlow 2.4 GPU tf2-2-4-cu110-notebooks Nicht enthalten
TensorFlow Enterprise 2.3 GPU tf2-ent-2-3-cu110-notebooks Enthalten
TensorFlow 2.2 GPU tf2-2-2-cu101-notebooks Nicht enthalten
TensorFlow Enterprise 2.1 GPU tf2-ent-2-1-cu110-notebooks Enthalten
TensorFlow 2.0 GPU tf2-2-0-cu100-notebooks Nicht enthalten
TensorFlow Enterprise 1.15 GPU tf-ent-1-15-cu110-notebooks Enthalten
TensorFlow 1.14 GPU tf-1-14-cu100-notebooks Nicht enthalten
TensorFlow 1.13 GPU tf-1-13-cu100-notebooks Nicht enthalten

Experimentelle Images

Einige Imagefamilien für nutzerverwaltete Notebooks sind experimentell, wie in der Tabelle der Imagefamilien angegeben. Experimentelle Images werden auf Best-Effort-Basis unterstützt und werden nicht bei jedem neuen Release des Frameworks automatisch aktualisiert.

Imageversion angeben

Wenn Sie eine neue nutzerverwaltete Notebookinstanz basierend auf dem Namen der Imagefamilie erstellen, erhalten Sie das neueste Image dieser Framework-Version. Wenn Sie beispielsweise eine nutzerverwaltete Notebookinstanz anhand des Familiennamens tf-ent-1-15-cu110-notebooks erstellen, sieht der spezifische Imagename möglicherweise so aus: tf-ent-1-15-cu110-notebooks-v20201016.

Wenn Sie mehrere nutzerverwaltete Notebookinstanzen erstellen möchten, die auf genau demselben Image basieren, verwenden Sie den Imagenamen anstelle des Imagefamiliennamens.

Um den genauen Namen des neuesten Images zu ermitteln, verwenden Sie den folgenden Befehl imgcloud Befehlszeilentool mit Ihrem bevorzugten Terminal oderCloud Shell , um die Option zu aktivieren. Ersetzen Sie IMAGE_FAMILY durch den Namen der Imagefamilie, deren aktuelle Versionsnummer Sie ermitteln möchten.

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

Suchen Sie in der Ausgabe nach dem Feld name und verwenden Sie den dort angegebenen Imagenamen beim Erstellen neuer Instanzen.

Alle verfügbaren Versionen auflisten

Wenn Sie ein bestimmtes Framework, eine CUDA-Version oder ein Betriebssystem benötigen, können Sie in der vollständigen Liste der verfügbaren Images suchen. Verwenden Sie den folgenden Befehl des gcloud-Tools, um alle verfügbaren nutzerverwalteten Notebookimages aufzulisten.

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

Imagefamilien haben das Format FRAMEWORK-VERSION-CUDA_VERSION(-experimental)-notebooks, wobei FRAMEWORK die Zielbibliothek, VERSION die Framework-Version und CUDA_VERSION die Version des CUDA-Stacks ist, falls vorhanden.

So verwendet beispielsweise ein Image aus der Familie tf2-ent-2-3-cu110-notebooks das Framework TensorFlow Enterprise 2.3 und CUDA 11.0.

Nächste Schritte