Escolher uma imagem de máquina virtual (VM)

As instâncias de notebooks gerenciados pelo usuário são instâncias de imagens de VM de aprendizado profundo com ambientes de notebook JupyterLab ativados e prontos para uso. Imagens específicas de notebooks gerenciados pelo usuário estão disponíveis para atender à sua escolha de framework e processador. Para encontrar a imagem pretendida, consulte a tabela a seguir.

Como decidir sobre uma família de imagens

A decisão sobre qual família de imagens de notebooks gerenciados pelo usuário usar depende das suas necessidades. A tabela a seguir lista as versões padrão de famílias de imagens, organizadas por tipo de framework. A criação de uma instância referenciando uma família de imagens com -notebook no nome garante que sua instância seja uma família de imagens compatível. Se você precisar de uma versão de framework específica que não esteja mostrada aqui, pule para Como listar todas as versões disponíveis.

Framework Processador Nome(s) de família de imagens
Base 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 (experimental) pytorch-1-9-xla-notebooks
R CPU (experimental) r-4-0-cpu-experimental-notebooks
RAPIDS GPU (experimental) rapids-0-18-gpu-experimental-notebooks
Imagens de notebook com uso suspenso Misto 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

Como escolher um sistema operacional

Para a maioria das bibliotecas, o Debian 10 é o SO padrão. As imagens do Ubuntu 18.04 estão disponíveis para alguns frameworks. Elas são indicadas pelos sufixos -ubuntu-1804 e no nome da família de imagens (consulte Como listar todas as versões disponíveis). As imagens do Debian 9 foram suspensas.

As famílias de imagens PyTorch e TensorFlow Enterprise (tf-ent e tf2-ent) são compatíveis com aceleradores de GPU A100.

Imagens do TensorFlow Enterprise

As famílias de imagens do TensorFlow Enterprise oferecem a você uma distribuição do TensorFlow otimizada pelo Google Cloud. Versões específicas da distribuição do TensorFlow Enterprise também incluem suporte de versão de longo prazo. Para saber mais sobre o TensorFlow Enterprise, leia a visão geral do TensorFlow Enterprise.

Use a tabela a seguir de imagens do TensorFlow disponíveis para ajudar a selecionar a imagem com a versão do TensorFlow ou do TensorFlow Enterprise que você quiser.

Versão do TensorFlow ou do TensorFlow Enterprise Processador Nome da família da imagem Suporte à versão de longo prazo
TensorFlow Enterprise 2.6 GPU tf2-ent-2-6-cu110-notebooks Incluso
TensorFlow Enterprise 2.5 GPU tf2-ent-2-5-cu110-notebooks Não incluso
TensorFlow 2.4 GPU tf2-2-4-cu110-notebooks Não incluso
TensorFlow Enterprise 2.3 GPU tf2-ent-2-3-cu110-notebooks Incluso
TensorFlow GPU tf2-2-2-cu101-notebooks Não incluso
TensorFlow Enterprise 2.1 GPU tf2-ent-2-1-cu110-notebooks Incluso
TensorFlow 2.0 GPU tf2-2-0-cu100-notebooks Não incluso
TensorFlow Enterprise 1.15 GPU tf-ent-1-15-cu110-notebooks Incluso
TensorFlow 1.14 GPU tf-1-14-cu100-notebooks Não incluso
TensorFlow 1.13 GPU tf-1-13-cu100-notebooks Não incluso

Imagens experimentais

Algumas famílias de imagens de notebooks gerenciados pelo usuário são experimentais, conforme indicado pela tabela de famílias de imagens. Imagens experimentais são compatíveis com base no melhor esforço e podem não receber atualizações em cada nova versão do framework.

Como especificar uma versão de imagem

A criação de uma nova instância de notebooks gerenciados pelo usuário com base no nome da família fornece a imagem mais recente dessa biblioteca. Por exemplo, se você criar uma instância de notebooks gerenciados pelo usuário com base no nome de família tf-ent-1-15-cu110-notebooks, o nome específico da imagem poderá ser como tf-ent-1-15-cu110-notebooks-v20201016.

Para criar várias instâncias de notebooks gerenciados pelo usuário com base na mesma imagem, use o nome da imagem em vez do nome da família.

Para determinar o nome exato da imagem mais recente, use o seguinte comando na ferramenta de linha de comando gcloud com seu terminal preferido ou no Cloud Shell: Substitua IMAGE_FAMILY pelo nome da família de imagens da qual você quer encontrar o número da versão mais recente.

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

Procure o campo name na saída e use o nome da imagem fornecido ao criar novas instâncias.

Como listar todas as versões disponíveis

Se você precisar de uma estrutura específica, versão CUDA ou sistema operacional, pesquise a lista completa de imagens disponíveis. Para listar todas as imagens de notebooks gerenciados pelo usuário disponíveis, use o seguinte comando da ferramenta gcloud.

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

As famílias de imagens estarão no formato FRAMEWORK-VERSION-CUDA_VERSION(-experimental)-notebooks, em que FRAMEWORK é a biblioteca de destino, VERSION é a versão do framework e CUDA_VERSION é a versão da pilha CUDA, se houver.

Por exemplo, uma imagem da família tf2-ent-2-3-cu110-notebooks tem TensorFlow Enterprise 2.3 e CUDA 11.0.

A seguir