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 cibleVERSION
: version du frameworkCUDA_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
- Utilisez Google Cloud Console pour créer une instance de notebooks gérés par l'utilisateur avec des propriétés par défaut.
- Utilisez Google Cloud CLI pour créer une instance de notebook gérée par l'utilisateur.
- En savoir plus sur les instances de VM Deep Learning.