Choisir une image de machine virtuelle (VM)

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-notebooks
common-cu101-notebooks
common-cu110-notebooks
Processeur 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/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-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

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