Choisir une image de machine virtuelle

Les instances de notebooks gérés par l'utilisateur sont des instances Deep Learning VM Image dans lesquelles les environnements de notebook JupyterLab sont activés et prêts à l'emploi. Nous proposons des images de notebooks gérés par l'utilisateur adaptées à un grand nombre de frameworks et de processeurs. Pour trouver l'image de votre choix, consultez le tableau suivant.

Choisir une famille d'images

Pour vous assurer que votre instance utilise une famille d'images compatible, créez une instance en référençant une famille d'images avec l'option -notebooks dans son nom. Le tableau suivant répertorie les versions par défaut des familles d'images, organisées par type de framework. Si vous avez besoin d'une version de framework spécifique qui n'apparaît pas ici, consultez la section Répertorier toutes les versions disponibles.

Framework Processeur Nom des familles d'images
Base GPU common-cu110-notebooks
common-cu113-notebooks
Processeur common-cpu-notebooks
TensorFlow Enterprise 2.x GPU tf-ent-2-1-cu110-notebooks
tf-ent-2-3-cu110-notebooks
tf-ent-2-6-cu110-notebooks
tf-ent-2-8-cu113-notebooks
TensorFlow Enterprise 1.x GPU tf-ent-1-15-cu110-notebooks
PyTorch GPU pytorch-1-10-cu110-notebooks
PyTorch XLA TPU/GPU/Processeur (expérimental) pytorch-1-10-xla-notebooks
R Processeur (expérimental) r-4-1-cpu-experimental-notebooks
RAPIDS GPU (expérimental) rapids-0-18-gpu-experimental-notebooks
Images de notebooks obsolètes Mixtes common-cu100-notebooks
common-cu101-notebooks
tf2-2-0-cu100-notebooks
tf2-2-2-cu101-notebooks
tf2-2-4-cu110-notebooks
tf-ent-2-5-cu110-notebooks
tf-ent-2-7-cu113-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-1-9-cu110-notebooks
pytorch-1-6-xla-notebooks
pytorch-1-7-xla-notebooks
pytorch-1-8-xla-notebooks
pytorch-1-9-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

Choisir un système d'exploitation

Debian 10 est le système d'exploitation par défaut pour la plupart des frameworks. Les images Ubuntu 20.04 sont disponibles pour certains frameworks. Les images Ubuntu 20.04 sont désignées par les suffixes -ubuntu-2004 dans le nom de la famille d'images (consultez la section Répertorier toutes les versions disponibles). Les images Debian 9 sont obsolètes.

Les familles d'images PyTorch et TensorFlow Enterprise sont compatibles avec les accélérateurs de GPU A100.

Images TensorFlow Enterprise

Les familles d'images TensorFlow Enterprise proposent une distribution optimisée de TensorFlow pour Google Cloud. Les versions spécifiques de la distribution TensorFlow Enterprise incluent également l'assistance à long terme des versions. Pour en savoir plus sur TensorFlow Enterprise, consultez la présentation de TensorFlow Enterprise.

Pour vous aider à sélectionner l'image avec la version de TensorFlow ou TensorFlow Enterprise souhaitée, le tableau suivant affiche les images TensorFlow disponibles :

Version de TensorFlow ou
TensorFlow Enterprise
Processeur Nom de la famille d'images Assistance avec les versions à long terme
TensorFlow Enterprise 2.8 GPU tf-ent-2-8-cu113-notebooks Incluses
TensorFlow Enterprise 2.7 GPU tf-ent-2-7-cu113-notebooks Non incluses
TensorFlow Enterprise 2.6 GPU tf-ent-2-6-cu110-notebooks Incluses
TensorFlow Enterprise 2.5 GPU tf-ent-2-5-cu110-notebooks Non incluses
TensorFlow 2.4 GPU tf2-2-4-cu110-notebooks Non incluses
TensorFlow Enterprise 2.3 GPU tf-ent-2-3-cu110-notebooks Incluses
TensorFlow 2.2 GPU tf2-2-2-cu101-notebooks Non incluses
TensorFlow Enterprise 2.1 GPU tf-ent-2-1-cu110-notebooks Incluses
TensorFlow 2.0 GPU tf2-2-0-cu100-notebooks Non incluses
TensorFlow Enterprise 1.15 GPU tf-ent-1-15-cu110-notebooks Incluses
TensorFlow 1.14 GPU tf-1-14-cu100-notebooks Non incluses
TensorFlow 1.13 GPU tf-1-13-cu100-notebooks Non incluses

Images expérimentales

Le tableau des familles d'images présente les familles d'images de notebooks gérés par l'utilisateur qui sont expérimentales. Les images expérimentales sont prises en charge suivant un principe d'optimisation et peuvent ne pas être actualisées à chaque nouvelle version du framework.

Spécifier une version d'image

Lorsque vous utilisez un nom de famille d'images pour créer une instance de notebook géré par l'utilisateur, vous obtenez l'image la plus récente de cette version du framework. Par exemple, si vous créez une instance de notebooks gérés par l'utilisateur basée sur le nom de la famille tf-ent-1-15-cu110-notebooks, le nom de l'image spécifique peut ressembler à ceci : tf-ent-1-15-cu110-notebooks-v20201016.

Pour créer plusieurs instances de notebooks gérés par l'utilisateur basées sur exactement la même image, utilisez le nom de l'image plutôt que le nom de la famille d'images.

Pour déterminer le nom exact de l'image la plus récente, exécutez la commande suivante en utilisant Google Cloud CLI dans le terminal de votre choix ou dans Cloud Shell. Remplacez IMAGE_FAMILY par le nom de la famille d'images pour laquelle vous souhaitez obtenir le numéro de version le plus récent.

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

Dans le résultat, recherchez le champ name et utilisez ce nom d'image lorsque vous créez des instances.

Répertorier toutes les versions disponibles

Si vous avez besoin d'un framework, d'une version CUDA ou d'un système d'exploitation spécifique, vous pouvez effectuer une recherche dans la liste complète des images disponibles. Pour répertorier toutes les images de notebooks gérés par l'utilisateur disponibles, exécutez la commande suivante de la CLI gcloud :

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

Les noms de familles d'images sont répertoriés au format suivant :

FRAMEWORK-VERSION-CUDA_VERSION(-experimental)-notebooks

  • FRAMEWORK : bibliothèque cible
  • VERSION : version du framework
  • CUDA_VERSION : version de la pile CUDA, le cas échéant

Par exemple, une image de la famille tf-ent-2-8-cu113-notebooks contient TensorFlow Enterprise 2.8 et CUDA 11.3.

Étape suivante