Scelta di un'immagine VM

Le istanze di blocchi note gestiti dall'utente sono istanze di Deep Learning VM Images con ambienti di blocchi note JupyterLab abilitati e pronti per l'uso. Sono disponibili immagini specifiche di blocchi note gestiti dall'utente per adattarsi alla tua scelta di framework e processore. Per trovare l'immagine che ti interessa, consulta la seguente tabella.

Scegliere una famiglia di immagini

Per assicurarti che l'istanza utilizzi una famiglia di immagini supportata, crea un'istanza facendo riferimento a una famiglia di immagini con -notebooks nel nome. La seguente tabella elenca le versioni predefinite delle famiglie di immagini, organizzate per tipo di framework. Se hai bisogno di una versione del framework specifica che non è mostrata qui, vedi Versioni del framework supportate.

Framework Processore Nomi di famiglie di immagini
Livelli GPU common-cu110-notebooks
common-cu113-notebooks
common-cu118-notebooks
common-cu121-notebooks
CPU common-cpu-notebooks
TensorFlow Enterprise GPU tf-ent-2-13-cu113-notebooks
PyTorch GPU pytorch-2-2-cu121-notebooks
R CPU (sperimentale) r-4-1-cpu-experimental-notebooks

Scegli un sistema operativo

Debian 11 è il sistema operativo predefinito per la maggior parte dei framework. Per alcuni framework sono disponibili immagini Ubuntu 20.04. Le immagini Ubuntu 20.04 sono indicate dai suffissi -ubuntu-2004 nel nome della famiglia di immagini (vedi Elencare tutte le versioni disponibili). Le immagini Debian 10 e Debian 9 sono deprecate.

Le famiglie di immagini PyTorch e TensorFlow Enterprise supportano gli acceleratori GPU A100.

Immagini TensorFlow Enterprise

Le famiglie di immagini TensorFlow Enterprise forniscono una distribuzione di TensorFlow ottimizzata da Google Cloud. Per ulteriori informazioni su TensorFlow Enterprise, incluse le versioni supportate, consulta la panoramica di TensorFlow Enterprise.

Immagini sperimentali

La tabella delle famiglie di immagini mostra le famiglie di immagini sperimentali dei blocchi note gestiti dall'utente. Le immagini sperimentali sono supportate secondo il criterio del "best effort" e potrebbero non ricevere aggiornamenti a ogni nuova release del framework.

Specifica una versione dell'immagine

Quando utilizzi un nome della famiglia di immagini per creare un'istanza di blocchi note gestiti dall'utente, ottieni l'immagine più recente della versione del framework. Ad esempio, se crei un'istanza di blocchi note gestiti dall'utente in base al nome della famiglia tf-ent-2-13-cu113-notebooks, il nome specifico dell'immagine potrebbe essere tf-ent-2-13-cu113-notebooks-v20230716.

Per creare più istanze di blocchi note gestiti dall'utente basate sulla stessa immagine, utilizza il nome dell'immagine anziché il nome della famiglia di immagini.

Per determinare il nome esatto dell'immagine più recente, esegui questo comando utilizzando Google Cloud CLI nel terminale che preferisci o in Cloud Shell. Sostituisci IMAGE_FAMILY con il nome della famiglia di immagini di cui vuoi il numero di versione più recente.

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

Nell'output, cerca il campo name e utilizza il nome dell'immagine quando crei le istanze.

Versioni del framework supportate

Vertex AI supporta ogni versione del framework in base a una pianificazione per ridurre al minimo le vulnerabilità di sicurezza. Esamina i criteri di supporto del framework Vertex AI per comprendere le implicazioni delle date di fine del supporto e della disponibilità.

Se hai bisogno di un framework o di una versione CUDA specifici, consulta le tabelle seguenti. Per trovare un elemento VERSION_DATE specifico per un'immagine, consulta la sezione Elenco delle versioni disponibili.

Versioni di base

Versione framework ML Versione patch attuale Acceleratori supportati Data di fine della patch e del supporto Data di fine disponibilità Nome famiglia immagini
CPU di base (Python 3.10 / Debian 11) Non applicabile (N/A) Solo CPU 1 lug 2024 1 lug 2025 common-cpu-VERSION_DATE-debian-11
Base-cu121 (Python 3.10) CUDA 12.1 GPU (CUDA 12.1) 28 feb 2024 28 feb 2025 common-cu121-VERSION_DATE-debian-11-py310
Base-cu118 (Python 3.10) CUDA 11.8 GPU (CUDA 11.8) > 1° lug 2024 > 1° lug 2025 common-cu118-VERSION_DATE-debian-11-py310
Base-cu113 (Python 3.10) CUDA 11.3 GPU (CUDA 11.3) 1 gen 2024 1 gen 2025 common-cu113-VERSION_DATE-debian-11-py310
Base-cu113 (Python 3.7) CUDA 11.3 GPU (CUDA 11.3) 18 settembre 2023 18 settembre 2024 common-cu113-VERSION_DATE-py37
Base-cu110 (Python 3.7) CUDA 11.0 GPU (CUDA 11.0) 18 settembre 2023 18 settembre 2024 common-cu110-VERSION_DATE-py37
CPU di base (Python 3.7) Non applicabile (N/A) Solo CPU 18 settembre 2023 18 settembre 2024 common-cpu-VERSION_DATE-debian-10

Versioni di TensorFlow

Versione framework ML Versione patch attuale Acceleratori supportati Data di fine della patch e del supporto Data di fine disponibilità Nome famiglia immagini
2.15 (Python 3.10) 2.15.0 Solo CPU 14 novembre 2024 14 novembre 2025 tf-2-15-cpu-VERSION_DATE-py310
2.15 (Python 3.10) 2.15.0 GPU (CUDA 12.1) 14 novembre 2024 14 novembre 2025 tf-2-15-cu121-VERSION_DATE-py310
2.14 (Python 3.10) 2.14.0 Solo CPU 26 settembre 2024 26 settembre 2025 tf-2-14-cpu-VERSION_DATE-py310
2.14 (Python 3.10) 2.14.0 GPU (CUDA 11.8) 26 settembre 2024 26 settembre 2025 tf-2-14-cu118-VERSION_DATE-py310
2.13 (Python 3.10) 2.13.0 Solo CPU 5 lug 2024 5 lug 2025 tf-2-13-cpu-VERSION_DATE-py310
2.13 (Python 3.10) 2.13.0 GPU (CUDA 11.8) 5 lug 2024 5 lug 2025 tf-2-13-cu118-VERSION_DATE-py310
2.12 (Python 3.10) 2.12.0 Solo CPU 30 giugno 2024 30 giugno 2025 tf-2-12-cpu-VERSION_DATE-py310
2.12 (Python 3.10) 2.12.0 GPU (CUDA 11.8) 18 gen 2024 18 gen 2025 tf-2-12-cu113-VERSION_DATE-py310
2.11 (Python 3.10) 2.11.0 Solo CPU 15 novembre 2023 15 novembre 2024 tf-2-11-cpu-VERSION_DATE-py310
2.11 (Python 3.10) 2.11.0 GPU (CUDA 11.3) 15 novembre 2023 15 novembre 2024 tf-2-11-cu113-VERSION_DATE-py310
2,11 2.11.0 Solo CPU 15 novembre 2023 15 novembre 2024 tf-2-11-cpu-VERSION_DATE-py37
2,11 2.11.0 GPU (CUDA 11.3) 15 novembre 2023 15 novembre 2024 tf-2-11-cu113-VERSION_DATE-py37
2,10 2.10.1 Solo CPU 15 novembre 2023 15 novembre 2024 tf-2-10-cpu-VERSION_DATE-py37
2,10 2.10.1 GPU (CUDA 11.3) 15 novembre 2023 15 novembre 2024 tf-2-10-cu113-VERSION_DATE-py37
2,9 2.9.3 Solo CPU 15 novembre 2023 15 novembre 2024 tf-2-9-cpu-VERSION_DATE-py37
2,9 2.9.3 GPU (CUDA 11.3) 15 novembre 2023 15 novembre 2024 tf-2-9-cu113-VERSION_DATE-py37
2,8 2.8.4 Solo CPU 15 novembre 2023 15 novembre 2024 tf-2-8-cpu-VERSION_DATE-py37
2,8 2.8.4 GPU (CUDA 11.3) 15 novembre 2023 15 novembre 2024 tf-2-8-cu113-VERSION_DATE-py37
2,6 (py39) 2.6.5 Solo CPU 10 agosto 2024 10 agosto 2025 tf-2-6-cpu-VERSION_DATE-py39
2,6 (py39) 2.6.5 GPU (CUDA 11.3) 10 agosto 2024 10 agosto 2025 tf-2-6-cu110-VERSION_DATE-py39
2,6 (py37) 2.6.5 Solo CPU 18 settembre 2023 18 settembre 2024 tf-2-6-cpu-VERSION_DATE-py37
2,6 (py37) 2.6.5 GPU (CUDA 11.3) 18 settembre 2023 18 settembre 2024 tf-2-6-cu110-VERSION_DATE-py37
2.3 2.3.4 Solo CPU 1° settembre 2023 1° settembre 2024 tf-2-3-cpu
2.3 2.3.4 GPU (CUDA 11.3) 1° settembre 2023 1° settembre 2024 tf-2-3-cu110-VERSION_DATE

Versioni PyTorch

Versione framework ML Versione patch attuale Acceleratori supportati Data di fine della patch e del supporto Data di fine disponibilità Nome famiglia immagini
2.2 (Python 3.10) 2.2.0 CUDA 12.1 30 gen 2025 30 gen 2026 pytorch-2-2-VERSION_DATE-py310
2.1 (Python 3.10) 2.1.0 CUDA 12.1 4 ott 2024 4 ott 2025 pytorch-2-1-VERSION_DATE-py310
2.0 (Python 3.10) 2.0.0 CUDA 11.8 15 mar 2024 15 mar 2025 pytorch-2-0-VERSION_DATE-py310
1.13 (Python 3.10) 1.13.1 CUDA 11.3 8 dicembre 2023 8 dicembre 2024 pytorch-1-13-VERSION_DATE-py310
1,13 1.13.1 CUDA 11.3 8 dicembre 2023 8 dicembre 2024 pytorch-1-13-VERSION_DATE-py37
1,12 1.12.1 CUDA 11.3 1° settembre 2023 1° settembre 2024 pytorch-1-12-VERSION_DATE-py310

Elenca tutte le versioni disponibili utilizzando gcloud CLI

Puoi anche elencare tutte le immagini Vertex AI disponibili utilizzando il seguente comando gcloud CLI:

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

I nomi delle famiglie di immagini sono indicati nel seguente formato:

FRAMEWORK-VERSION-CUDA_VERSION(-experimental)-notebooks

  • FRAMEWORK: la libreria di destinazione
  • VERSION: la versione del framework
  • CUDA_VERSION: la versione dello stack CUDA, se presente.

Ad esempio, un'immagine della famiglia tf-ent-2-13-cu113-notebooks ha TensorFlow Enterprise 2.13 e CUDA 11.3.

Passaggi successivi