Scegli un'immagine

Sono disponibili immagini Deep Learning VM Image specifiche per soddisfare la tua scelta di framework e processore. Al momento sono disponibili immagini che supportano PyTorch e il computing generico ad alte prestazioni, con versioni per flussi di lavoro abilitati per GPU. Per trovare l'immagine che ti interessa, consulta la tabella riportata di seguito.

Scegliere una famiglia di immagini

Scegli una famiglia di immagini VM di Deep Learning in base al framework e al processore di cui hai bisogno. La tabella seguente elenca le versioni più recenti delle famiglie di immagini, organizzate per tipo di framework. Per ottenere la versione più recente di un'immagine, crea un'istanza facendo riferimento a una famiglia di immagini con latest nel nome. Se hai bisogno di una versione specifica del framework, vai a Versioni del framework supportate.

Framework Processore Nome o nomi della famiglia di immagini
Livelli GPU common-cu128-ubuntu-2204-nvidia-570
PyTorch GPU pytorch-2-7-cu128-ubuntu-2204-nvidia-570

Scegliere un sistema operativo

Ubuntu 22.04 è il sistema operativo predefinito e le immagini includono il driver NVIDIA versione 570. Sono indicate dai suffissi -ubuntu-2204-nvidia-570 nel nome della famiglia di immagini (vedi Elenco di tutte le versioni disponibili). Tutte le immagini Debian sono state ritirate.

Tutte le immagini attive supportano gli acceleratori GPU A3 Ultra.

Immagini PyTorch

Le famiglie di immagini PyTorch forniscono una distribuzione ottimizzata di PyTorch e PyTorch Lightning. Google Cloud

Specifica di una versione dell'immagine

Puoi riutilizzare la stessa immagine anche se l'ultima è più recente. Ciò può essere utile, ad esempio, se stai tentando di creare un cluster e vuoi assicurarti che le immagini utilizzate per creare nuove istanze siano sempre le stesse. Non devi utilizzare il nome della famiglia di immagini in questa situazione perché, se l'ultima immagine viene aggiornata, avrai immagini diverse su alcune istanze del cluster.

Puoi invece determinare il nome esatto dell'immagine, incorporare il numero di versione e poi utilizzare quell'immagine specifica per generare nuove istanze nel cluster.

Per scoprire il nome esatto dell'ultima immagine, utilizza il seguente comando in Google Cloud CLI con il tuo terminale preferito o in Cloud Shell. Sostituisci IMAGE_FAMILY con il nome della famiglia di immagini per cui vuoi trovare il numero di versione più recente.

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

Cerca il campo name nell'output e utilizza il nome dell'immagine indicato quando crei nuove istanze.

Versioni del framework supportate

Deep Learning VM supporta ogni versione del framework in base a una pianificazione per ridurre al minimo le vulnerabilità della sicurezza. Consulta le norme di supporto del framework Deep Learning VM per comprendere le implicazioni delle date di fine supporto e fine disponibilità.

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

Versioni di base

Tutte le immagini basate sulla CPU sono state ritirate.

Versione framework ML Versione attuale della patch Acceleratori supportati Data di fine della patch e del supporto Data di fine disponibilità Nome famiglia immagini
Base-cu128 (Python 3.10 / Ubuntu 22.04) CUDA 12.8 GPU (CUDA 12.8) 1° agosto 2026 1° agosto 2027 common-cu128-ubuntu-2204-nvidia-570-VERSION_DATE
Base-CPU (Python 3.10 / Debian 11) Non applicabile (N/A) Solo CPU 1° luglio 2024 1° luglio 2025 common-cpu-VERSION_DATE-debian-11
Base-cu124 (Python 3.10) CUDA 12.4 GPU (CUDA 12.4) 1° aprile 2025 1° aprile 2026 common-cu124-VERSION_DATE-debian-11-py310
Base-cu123 (Python 3.10) CUDA 12.3 GPU (CUDA 12.3) 19 ott 2024 19 ott 2025 common-cu123-VERSION_DATE-debian-11-py310
Base-cu122 (Python 3.10) CUDA 12.2 GPU (CUDA 12.2) 28 giugno 2024 28 giugno 2025 common-cu122-VERSION_DATE-debian-11-py310
Base-cu121 (Python 3.10) CUDA 12.1 GPU (CUDA 12.1) 28 febbraio 2024 28 febbraio 2025 common-cu121-VERSION_DATE-debian-11-py310
Base-cu118 (Python 3.10) CUDA 11.8 GPU (CUDA 11.8) 1° luglio 2024 1° luglio 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) 1° set 2023 1° set 2024 common-cu113-VERSION_DATE-py37
Base-cu110 (Python 3.7) CUDA 11.0 GPU (CUDA 11.0) 1° set 2023 1° set 2024 common-cu110-VERSION_DATE-py37
Base-CPU (Python 3.7) Non applicabile (N/A) Solo CPU 1° set 2023 1° set 2024 common-cpu-VERSION_DATE-debian-10

Versioni di PyTorch

Versione framework ML Versione attuale della patch Acceleratori supportati Data di fine della patch e del supporto Data di fine disponibilità Nome famiglia immagini
2.7 (Python 3.10) 2.7.1 CUDA 12.8 1° agosto 2026 1° agosto 2027 pytorch-2-7-cu128-ubuntu-2204-nvidia-570-VERSION_DATE
2.4 (Python 3.10) 2.4.0 CUDA 12.4 24 luglio 2025 24 luglio 2026 pytorch-2-4-VERSION_DATE-py310
2.3 (Python 3.10) 2.3.0 CUDA 12.1 Apr 24, 2025 24 aprile 2026 pytorch-2-3-VERSION_DATE-py310
2.2 (Python 3.10) 2.2.0 CUDA 12.1 30 gennaio 2025 30 gennaio 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 marzo 2024 15 marzo 2025 pytorch-2-0-VERSION_DATE-py310
1.13 (Python 3.10) 1.13.1 CUDA 11.3 8 dic 2023 8 dic 2024 pytorch-1-13-VERSION_DATE-py310
1,13 1.13.1 CUDA 11.3 8 dic 2023 8 dic 2024 pytorch-1-13-VERSION_DATE-py37
1,12 1.12.1 CUDA 11.3 1° set 2023 1° set 2024 pytorch-1-12-VERSION_DATE-py310

Versioni di TensorFlow

Tutte le immagini TensorFlow sono state ritirate.

Versione framework ML Versione attuale della patch Acceleratori supportati Data di fine della patch e del supporto Data di fine disponibilità Nome famiglia immagini
2.17 (Python 3.10) 2.17.0 Solo CPU 11 luglio 2025 11 luglio 2026 tf-2-17-cpu-VERSION_DATE-py310
2.17 (Python 3.10) 2.17.0 GPU (CUDA 12.3) 11 luglio 2025 11 luglio 2026 tf-2-17-cu123-VERSION_DATE-py310
2.16 (Python 3.10) 2.16.2 Solo CPU 28 giugno 2025 28 giugno 2026 tf-2-16-cpu-VERSION_DATE-py310
2.16 (Python 3.10) 2.16.2 GPU (CUDA 12.3) 28 giugno 2025 28 giugno 2026 tf-2-16-cu123-VERSION_DATE-py310
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 12.2) 14 novembre 2024 14 novembre 2025 tf-2-15-cu122-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 luglio 2024 5 luglio 2025 tf-2-13-cpu-VERSION_DATE-py310
2.13 (Python 3.10) 2.13.0 GPU (CUDA 11.8) 5 luglio 2024 5 luglio 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) 30 giugno 2024 30 giugno 2025 tf-2-12-cu113-VERSION_DATE-py310
2.11 (Python 3.10) 2.11.0 Solo CPU 15 novembre 2022 15 novembre 2023 tf-2-11-cpu-VERSION_DATE-py310
2.11 (Python 3.10) 2.11.0 GPU (CUDA 11.3) 15 novembre 2022 15 novembre 2023 tf-2-11-cu113-VERSION_DATE-py310
2.11 2.11.0 Solo CPU 15 novembre 2023 15 nov 2024 tf-2-11-cpu-VERSION_DATE-py37
2.11 2.11.0 GPU (CUDA 11.3) 15 novembre 2023 15 nov 2024 tf-2-11-cu113-VERSION_DATE-py37
2.10 2.10.1 Solo CPU 15 novembre 2023 15 nov 2024 tf-2-10-cpu-VERSION_DATE-py37
2.10 2.10.1 GPU (CUDA 11.3) 15 novembre 2023 15 nov 2024 tf-2-10-cu113-VERSION_DATE-py37
2,9 2.9.3 Solo CPU 15 novembre 2023 15 nov 2024 tf-2-9-cpu-VERSION_DATE-py37
2,9 2.9.3 GPU (CUDA 11.3) 15 novembre 2023 15 nov 2024 tf-2-9-cu113-VERSION_DATE-py37
2,8 2.8.4 Solo CPU 15 novembre 2023 15 nov 2024 tf-2-8-cpu-VERSION_DATE-py37
2,8 2.8.4 GPU (CUDA 11.3) 15 novembre 2023 15 nov 2024 tf-2-8-cu113-VERSION_DATE-py37
2.6 (py39) 2.6.5 Solo CPU 1° set 2023 1° set 2024 tf-2-6-cpu-VERSION_DATE-py39
2.6 (py39) 2.6.5 GPU (CUDA 11.3) 1° set 2023 1° set 2024 tf-2-6-cu110-VERSION_DATE-py39
2.6 (py37) 2.6.5 Solo CPU 1° set 2023 1° set 2024 tf-2-6-cpu-VERSION_DATE-py37
2.6 (py37) 2.6.5 GPU (CUDA 11.3) 1° set 2023 1° set 2024 tf-2-6-cu110-VERSION_DATE-py37
2.3 2.3.4 Solo CPU 1° set 2023 1° set 2024 tf-2-3-cpu
2.3 2.3.4 GPU (CUDA 11.3) 1° set 2023 1° set 2024 tf-2-3-cu110-VERSION_DATE

Dopo il ritiro

Quando le immagini raggiungono la data di fine patch e supporto, vengono ritirate. Il ritiro comporta la rimozione di queste immagini dalla visibilità pubblica e si consiglia di utilizzare immagini supportate per garantire sicurezza e prestazioni.

Se la tua immagine VM di deep learning è ritirata o raggiunge la fine della disponibilità, ti consigliamo vivamente di eseguire la migrazione a un'immagine più recente e supportata. In questo modo, potrai continuare a ricevere patch di sicurezza critiche e le funzionalità più recenti. Prendi in considerazione le seguenti forme di migrazione:

  • Se nella stessa famiglia di immagini è presente un'immagine più recente e supportata, ti consigliamo di eseguire l'upgrade a una versione supportata della stessa famiglia di immagini.
  • Se non sono presenti immagini più recenti supportate nella stessa famiglia di immagini, valuta la possibilità di utilizzare un framework più recente supportato da una famiglia di immagini VM diversa.

Utilizzare un'immagine dopo il ritiro

Se devi utilizzare un'immagine dopo il ritiro in contrasto con le raccomandazioni di sicurezza di Google e a tuo rischio, devi specificare un'immagine della famiglia di immagini quando crei l'istanza VM.

Per elencare le immagini da un nome di famiglia di immagini dopo la fine della patch e della data di assistenza, includi il flag --show-deprecated nel comando gcloud compute images list o seleziona Mostra immagini deprecate quando crei un'istanza nella console Google Cloud . Consulta Elenca tutte le versioni disponibili utilizzando gcloud CLI.

Per creare un'istanza Deep Learning VM che utilizza un'immagine ritirata, consulta il seguente comando gcloud CLI di esempio:

gcloud compute instances create deprecated-tf-vm \
    --image=projects/deeplearning-platform-release/global/images/IMAGE_NAME \
    --machine-type=n1-standard-4 \
    --zone=us-east1-c

Sostituisci IMAGE_NAME con il nome dell'immagine, nel seguente modo:

  • Per utilizzare un'immagine specifica nella famiglia di immagini, utilizza il nome dell'immagine, ad esempio: pytorch-2-7-cu128-ubuntu-2204-nvidia-570-v20250728.

Elenca tutte le versioni disponibili utilizzando gcloud CLI

Puoi anche elencare tutte le immagini Deep Learning VM disponibili utilizzando il seguente comando gcloud CLI:

gcloud compute images list \
    --project deeplearning-platform-release \
    --format="value(NAME)" \
    --no-standard-images

Le famiglie di immagini hanno un nome nel formato FRAMEWORK-CUDA_VERSION-OS, dove FRAMEWORK è la libreria di destinazione, CUDA_VERSION è la versione dello stack CUDA e OS indica il sistema operativo con il driver NVIDIA preinstallato.

Ad esempio, un'immagine della famiglia pytorch-2-7-cu128-ubuntu-2204-nvidia-570 ha PyTorch 2.7, CUDA 12.8 e il sistema operativo è Ubuntu 22.04 con il driver NVIDIA 570 preinstallato.

Passaggi successivi

Crea una nuova istanza VM di deep learning utilizzando Cloud Marketplace o utilizzando la riga di comando.