選擇圖片

您可以根據自己選擇的架構和處理器選擇特定的深度學習 VM 映像檔。目前映像檔可支援 PyTorch 和一般高效能運算，並提供已啟用 GPU 工作流程的版本。如要尋找所需圖片，請參閱下表。

指定映像檔系列

根據您需要的架構和處理器選擇深度學習 VM 映像檔系列。 下表列出最新版映像檔系列，並按架構類型分類。 如要取得最新版本的映像檔，請建立執行個體，並在名稱中參照映像檔系列 (latest)。如果您需要特定架構版本，請直接前往「支援的架構版本」。

架構 處理器 映像檔系列名稱
基本 GPU common-cu128-ubuntu-2204-nvidia-570
PyTorch GPU pytorch-2-7-cu128-ubuntu-2204-nvidia-570

選擇作業系統

Ubuntu 22.04 是預設的 OS，映像檔隨附 NVIDIA 驅動程式 570 版。映像檔系列名稱中的 -ubuntu-2204-nvidia-570 後置字元會標示這些版本 (請參閱「列出所有可用版本」)。所有 Debian 映像檔都已淘汰。

所有有效映像檔都支援 A3 Ultra GPU 加速器。

PyTorch 圖片

PyTorch 映像檔系列提供 PyTorch 和 PyTorch Lightning 的最佳化發布版本。 Google Cloud

指定映像檔版本

即使最新映像檔較新，您也可以重複使用相同的映像檔。舉例來說，如果您要在建立叢集時確保系統一律使用相同的映像檔建立新執行個體，這項功能就非常實用。在這種情況下，您不應使用映像檔系列的名稱，因為如果更新了最新映像檔，則叢集中的部分執行個體會使用不同的映像檔。

不過，您可以指定映像檔的確切名稱，並加上版本號碼，然後在叢集中使用該特定映像檔來產生新的執行個體。

如要找出最新映像檔的確切名稱，請在Google Cloud CLI 中使用下列指令，您可以在偏好的終端機或 Cloud Shell 中執行指令。將 IMAGE_FAMILY 替換為要找出最新版本編號的映像檔系列名稱。

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

然後在輸出結果中找到 name 欄位，並在建立新執行個體時使用該欄位對應的映像檔名稱。

支援的架構版本

深度學習 VM 會根據排程支援各個架構版本，盡量減少安全漏洞。請參閱深度學習 VM 架構支援政策，瞭解終止支援和終止供應日期帶來的影響。

如果您需要特定架構或 CUDA 版本，請參閱下表。如要尋找映像檔的特定 VERSION_DATE，請參閱「列出可用版本」。

基礎版本

所有以 CPU 為基礎的映像檔都已淘汰。

ML 架構版本 目前的修補程式版本 支援的加速器 修補程式和支援服務終止日期 供應終止日期 映像檔系列名稱
Base-cu128 (Python 3.10 / Ubuntu 22.04) CUDA 12.8 GPU (CUDA 12.8) 2026 年 8 月 1 日 2027 年 8 月 1 日 common-cu128-ubuntu-2204-nvidia-570-VERSION_DATE
Base-CPU (Python 3.10 / Debian 11) 不適用 (N/A) 僅支援 CPU 2024 年 7 月 1 日 2025 年 7 月 1 日 common-cpu-VERSION_DATE-debian-11
Base-cu124 (Python 3.10) CUDA 12.4 GPU (CUDA 12.4) 2025 年 4 月 1 日 2026 年 4 月 1 日 common-cu124-VERSION_DATE-debian-11-py310
Base-cu123 (Python 3.10) CUDA 12.3 GPU (CUDA 12.3) 2024 年 10 月 19 日 2025 年 10 月 19 日 common-cu123-VERSION_DATE-debian-11-py310
Base-cu122 (Python 3.10) CUDA 12.2 GPU (CUDA 12.2) 2024 年 6 月 28 日 2025 年 6 月 28 日 common-cu122-VERSION_DATE-debian-11-py310
Base-cu121 (Python 3.10) CUDA 12.1 GPU (CUDA 12.1) 2024 年 2 月 28 日 2025 年 2 月 28 日 common-cu121-VERSION_DATE-debian-11-py310
Base-cu118 (Python 3.10) CUDA 11.8 GPU (CUDA 11.8) 2024 年 7 月 1 日 2025 年 7 月 1 日 common-cu118-VERSION_DATE-debian-11-py310
Base-cu113 (Python 3.10) CUDA 11.3 GPU (CUDA 11.3) 2024 年 1 月 1 日 2025 年 1 月 1 日 common-cu113-VERSION_DATE-debian-11-py310
Base-cu113 (Python 3.7) CUDA 11.3 GPU (CUDA 11.3) 2023 年 9 月 1 日 2024 年 9 月 1 日 common-cu113-VERSION_DATE-py37
Base-cu110 (Python 3.7) CUDA 11.0 GPU (CUDA 11.0) 2023 年 9 月 1 日 2024 年 9 月 1 日 common-cu110-VERSION_DATE-py37
Base-CPU (Python 3.7) 不適用 (N/A) 僅支援 CPU 2023 年 9 月 1 日 2024 年 9 月 1 日 common-cpu-VERSION_DATE-debian-10

PyTorch 版本

ML 架構版本 目前的修補程式版本 支援的加速器 修補程式和支援服務終止日期 供應終止日期 映像檔系列名稱
2.7 (Python 3.10) 2.7.1 CUDA 12.8 2026 年 8 月 1 日 2027 年 8 月 1 日 pytorch-2-7-cu128-ubuntu-2204-nvidia-570-VERSION_DATE
2.4 (Python 3.10) 2.4.0 CUDA 12.4 2025 年 7 月 24 日 2026 年 7 月 24 日 pytorch-2-4-VERSION_DATE-py310
2.3 (Python 3.10) 2.3.0 CUDA 12.1 2025 年 4 月 24 日 2026 年 4 月 24 日 pytorch-2-3-VERSION_DATE-py310
2.2 (Python 3.10) 2.2.0 CUDA 12.1 2025 年 1 月 30 日 2026 年 1 月 30 日 pytorch-2-2-VERSION_DATE-py310
2.1 (Python 3.10) 2.1.0 CUDA 12.1 Oct 4, 2024 2025 年 10 月 4 日 pytorch-2-1-VERSION_DATE-py310
2.0 (Python 3.10) 2.0.0 CUDA 11.8 2024 年 3 月 15 日 2025 年 3 月 15 日 pytorch-2-0-VERSION_DATE-py310
1.13 (Python 3.10) 1.13.1 CUDA 11.3 2023 年 12 月 8 日 2024 年 12 月 8 日 pytorch-1-13-VERSION_DATE-py310
1.13 1.13.1 CUDA 11.3 2023 年 12 月 8 日 2024 年 12 月 8 日 pytorch-1-13-VERSION_DATE-py37
1.12 1.12.1 CUDA 11.3 2023 年 9 月 1 日 2024 年 9 月 1 日 pytorch-1-12-VERSION_DATE-py310

TensorFlow 版本

所有 TensorFlow 映像檔都已淘汰。

ML 架構版本 目前的修補程式版本 支援的加速器 修補程式和支援服務終止日期 供應終止日期 映像檔系列名稱
2.17 (Python 3.10) 2.17.0 僅支援 CPU 2025 年 7 月 11 日 2026 年 7 月 11 日 tf-2-17-cpu-VERSION_DATE-py310
2.17 (Python 3.10) 2.17.0 GPU (CUDA 12.3) 2025 年 7 月 11 日 2026 年 7 月 11 日 tf-2-17-cu123-VERSION_DATE-py310
2.16 (Python 3.10) 2.16.2 僅支援 CPU 2025 年 6 月 28 日 2026 年 6 月 28 日 tf-2-16-cpu-VERSION_DATE-py310
2.16 (Python 3.10) 2.16.2 GPU (CUDA 12.3) 2025 年 6 月 28 日 2026 年 6 月 28 日 tf-2-16-cu123-VERSION_DATE-py310
2.15 (Python 3.10) 2.15.0 僅支援 CPU Nov 14, 2024 2025 年 11 月 14 日 tf-2-15-cpu-VERSION_DATE-py310
2.15 (Python 3.10) 2.15.0 GPU (CUDA 12.2) Nov 14, 2024 2025 年 11 月 14 日 tf-2-15-cu122-VERSION_DATE-py310
2.14 (Python 3.10) 2.14.0 僅支援 CPU 2024 年 9 月 26 日 2025 年 9 月 26 日 tf-2-14-cpu-VERSION_DATE-py310
2.14 (Python 3.10) 2.14.0 GPU (CUDA 11.8) 2024 年 9 月 26 日 2025 年 9 月 26 日 tf-2-14-cu118-VERSION_DATE-py310
2.13 (Python 3.10) 2.13.0 僅支援 CPU 2024 年 7 月 5 日 2025 年 7 月 5 日 tf-2-13-cpu-VERSION_DATE-py310
2.13 (Python 3.10) 2.13.0 GPU (CUDA 11.8) 2024 年 7 月 5 日 2025 年 7 月 5 日 tf-2-13-cu118-VERSION_DATE-py310
2.12 (Python 3.10) 2.12.0 僅支援 CPU 2024 年 6 月 30 日 2025 年 6 月 30 日 tf-2-12-cpu-VERSION_DATE-py310
2.12 (Python 3.10) 2.12.0 GPU (CUDA 11.8) 2024 年 6 月 30 日 2025 年 6 月 30 日 tf-2-12-cu113-VERSION_DATE-py310
2.11 (Python 3.10) 2.11.0 僅支援 CPU 2022 年 11 月 15 日 2023 年 11 月 15 日 tf-2-11-cpu-VERSION_DATE-py310
2.11 (Python 3.10) 2.11.0 GPU (CUDA 11.3) 2022 年 11 月 15 日 2023 年 11 月 15 日 tf-2-11-cu113-VERSION_DATE-py310
2.11 2.11.0 僅支援 CPU 2023 年 11 月 15 日 2024 年 11 月 15 日 tf-2-11-cpu-VERSION_DATE-py37
2.11 2.11.0 GPU (CUDA 11.3) 2023 年 11 月 15 日 2024 年 11 月 15 日 tf-2-11-cu113-VERSION_DATE-py37
2.10 2.10.1 僅支援 CPU 2023 年 11 月 15 日 2024 年 11 月 15 日 tf-2-10-cpu-VERSION_DATE-py37
2.10 2.10.1 GPU (CUDA 11.3) 2023 年 11 月 15 日 2024 年 11 月 15 日 tf-2-10-cu113-VERSION_DATE-py37
2.9 2.9.3 僅支援 CPU 2023 年 11 月 15 日 2024 年 11 月 15 日 tf-2-9-cpu-VERSION_DATE-py37
2.9 2.9.3 GPU (CUDA 11.3) 2023 年 11 月 15 日 2024 年 11 月 15 日 tf-2-9-cu113-VERSION_DATE-py37
2.8 2.8.4 僅支援 CPU 2023 年 11 月 15 日 2024 年 11 月 15 日 tf-2-8-cpu-VERSION_DATE-py37
2.8 2.8.4 GPU (CUDA 11.3) 2023 年 11 月 15 日 2024 年 11 月 15 日 tf-2-8-cu113-VERSION_DATE-py37
2.6 (py39) 2.6.5 僅支援 CPU 2023 年 9 月 1 日 2024 年 9 月 1 日 tf-2-6-cpu-VERSION_DATE-py39
2.6 (py39) 2.6.5 GPU (CUDA 11.3) 2023 年 9 月 1 日 2024 年 9 月 1 日 tf-2-6-cu110-VERSION_DATE-py39
2.6 (py37) 2.6.5 僅支援 CPU 2023 年 9 月 1 日 2024 年 9 月 1 日 tf-2-6-cpu-VERSION_DATE-py37
2.6 (py37) 2.6.5 GPU (CUDA 11.3) 2023 年 9 月 1 日 2024 年 9 月 1 日 tf-2-6-cu110-VERSION_DATE-py37
2.3 2.3.4 僅支援 CPU 2023 年 9 月 1 日 2024 年 9 月 1 日 tf-2-3-cpu
2.3 2.3.4 GPU (CUDA 11.3) 2023 年 9 月 1 日 2024 年 9 月 1 日 tf-2-3-cu110-VERSION_DATE

淘汰後

映像檔達到修補程式和支援終止日期後，就會遭到淘汰。 淘汰表示這些映像檔會從公開檢視畫面中移除，建議使用支援的映像檔，確保安全性和效能。

如果您的深度學習 VM 映像檔已淘汰或即將停止供應，強烈建議您遷移至較新的支援映像檔。這樣才能確保您繼續收到重要的安全性修補程式和最新功能。請考慮下列遷移方式：

  • 如果同一個映像檔系列中有較新的支援映像檔，建議您將映像檔升級至同一個映像檔系列的支援版本。
  • 如果同一個映像檔系列中沒有較新的支援映像檔，請考慮使用其他 VM 映像檔系列中較新的支援架構。

淘汰後使用映像檔

如果必須在淘汰後使用映像檔 (違反 Google 安全性建議，且風險自負)，您必須在建立 VM 執行個體時，指定映像檔系列中的映像檔。

如要在修補程式和支援期限結束後，列出映像檔系列名稱，請在 gcloud compute images list 指令中加入 --show-deprecated 標記，或在 Google Cloud 控制台中建立執行個體時，選取「顯示已淘汰的映像檔」。請參閱使用 gcloud CLI 列出所有可用版本。

如要建立使用已淘汰映像檔的深度學習 VM 執行個體，請參閱下列 gcloud CLI 指令範例：

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

將 IMAGE_NAME 替換為圖片名稱，如下所示：

  • 如要使用映像檔系列中的特定映像檔，請使用映像檔名稱，例如：pytorch-2-7-cu128-ubuntu-2204-nvidia-570-v20250728。

使用 gcloud CLI 列出所有可用版本

您也可以使用下列 gcloud CLI 指令，列出所有可用的 Deep Learning VM 映像檔：

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

映像檔系列會以 FRAMEWORK-CUDA_VERSION-OS 格式命名，其中 FRAMEWORK 是目標程式庫，CUDA_VERSION 是 CUDA 堆疊的版本，OS 則表示預先安裝 NVIDIA 驅動程式的作業系統。

舉例來說，pytorch-2-7-cu128-ubuntu-2204-nvidia-570 系列的映像檔包含 PyTorch 2.7、CUDA 12.8，且作業系統為 Ubuntu 22.04，並預先安裝 NVIDIA 驅動程式 570。

後續步驟

使用 Cloud Marketplace 或指令列建立新的深度學習 VM 執行個體。