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
Le choix de la famille d'images de notebooks gérés par l'utilisateur à utiliser dépend de vos besoins.
Le tableau suivant répertorie les versions par défaut des familles d'images, organisées par type de framework.
En référençant une famille d'images avec -notebook dans le nom lorsque vous créez une instance, vous êtes certain qu'il s'agit d'une famille d'images compatible.
Si vous avez besoin d'une version de framework spécifique qui n'est pas présentée ici, passez à la section Répertorier toutes les versions disponibles.
| Framework | Processeur | Nom des familles d'images |
|---|---|---|
| Base | GPU | common-cu100-notebookscommon-cu101-notebookscommon-cu110-notebooks
|
| Processeur | common-cpu-notebooks |
|
| TensorFlow Enterprise 2.x | GPU | tf2-ent-2-1-cu110-notebookstf2-ent-2-3-cu110-notebookstf2-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/Processeur (expérimental) | pytorch-1-9-xla-notebooks
|
| R | Processeur (expérimental) | r-4-0-cpu-experimental-notebooks
|
| RAPIDS | GPU (expérimental) | rapids-0-18-gpu-experimental-notebooks
|
| Images de notebooks obsolètes | Mixtes | tf2-2-0-cu100-notebookstf2-2-2-cu101-notebookstf2-2-4-cu110-notebookstf2-ent-2-5-cu110-notebookstf-1-13-cu100-notebookstf-1-14-cu100-notebookspytorch-1-1-cu100-notebookspytorch-1-2-cu100-notebookspytorch-1-3-cu100-notebookspytorch-1-4-cu101-notebookspytorch-1-6-cu110-notebookspytorch-1-7-cu110-notebookspytorch-1-8-cu110-notebookspytorch-1-6-xla-notebookspytorch-1-7-xla-notebookspytorch-1-8-xla-notebooksr-3-5-cpu-experimental-notebooksr-3-6-cpu-experimental-notebooksrapids-0-7-gpu-experimental-notebooksrapids-0-12-gpu-experimental-notebooks
|
Choisir un système d'exploitation
Pour la plupart des frameworks, Debian 10 est le système d'exploitation par défaut. Les images Ubuntu 18.04 sont disponibles pour certains frameworks.
Elles sont désignées par les suffixes -ubuntu-1804 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 (tf-ent et tf2-ent) 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.
Utilisez le tableau suivant des images TensorFlow disponibles pour vous aider à sélectionner l'image avec la version de TensorFlow ou TensorFlow Enterprise souhaitée.
| Version de TensorFlow ou TensorFlow Enterprise | Processeur | Nom de la famille d'images | Assistance avec les versions à long terme |
|---|---|---|---|
| TensorFlow Enterprise 2.6 | GPU | tf2-ent-2-6-cu110-notebooks |
Incluses |
| TensorFlow Enterprise 2.5 | GPU | tf2-ent-2-5-cu110-notebooks |
Non incluses |
| TensorFlow 2.4 | GPU | tf2-2-4-cu110-notebooks |
Non incluses |
| TensorFlow Enterprise 2.3 | GPU | tf2-ent-2-3-cu110-notebooks |
Incluses |
| TensorFlow 2.2 | GPU | tf2-2-2-cu101-notebooks |
Non incluses |
| TensorFlow Enterprise 2.1 | GPU | tf2-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
Certaines familles d'images de notebooks gérés par l'utilisateur sont expérimentales, comme indiqué dans le tableau des familles d'images. Les images expérimentales sont prises en charge suivant un principe d'optimisation et peuvent ne pas être actualisées à chaque nouvelle release du framework.
Spécifier une version d'image
En créant une instance de notebooks gérés par l'utilisateur basée sur le nom de la famille d'images, vous obtenez l'image la plus récente de cette version du framework.
Par exemple, si vous créez une 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 dans l'outil de ligne de commande gcloud avec un terminal de votre choix ou dans Cloud Shell. Remplacez IMAGE_FAMILY par le nom de la famille d'images pour laquelle vous souhaitez connaître le numéro de version le plus récent.
gcloud compute images describe-from-family IMAGE_FAMILY \
--project deeplearning-platform-release
Recherchez le champ name dans le résultat et utilisez le nom d'image qui y est indiqué 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 de notebooks gérés par l'utilisateur disponibles, utilisez l'outil de ligne de commande gcloud.
gcloud compute images list \
--project deeplearning-platform-release | grep notebooks
Les familles d'images seront au format FRAMEWORK-VERSION-CUDA_VERSION(-experimental)-notebooks, où FRAMEWORK est la bibliothèque cible, VERSION est la version du framework et CUDA_VERSION est la version de la pile CUDA, le cas échéant.
Par exemple, une image de la famille tf2-ent-2-3-cu110-notebooks contient TensorFlow Enterprise 2.3 et CUDA 11.0.
Étape suivante
Créez une instance de de notebooks gérés par l'utilisateur à l'aide de Google Cloud Console ou de la ligne de commande.
Apprenez-en plus sur les instances Deep Learning VM dans la documentation de Deep Learning VM.