Les conteneurs de deep learning sont un ensemble de conteneurs Docker avec des frameworks de science de données, des bibliothèques et des outils pré-installés. Ces conteneurs fournissent des environnements cohérents et optimisés pour les performances, qui peuvent vous aider à créer des prototypes et à mettre en œuvre rapidement des workflows.
Pour en savoir plus sur les conteneurs, consultez la page Les conteneurs au sein de Google.
Logiciel pré-installé
Vous pouvez configurer les images de conteneurs de deep learning de manière à inclure les éléments suivants :
Frameworks :
- TensorFlow
- PyTorch
- R
- scikit-learn
- XGBoost
Python, y compris les packages suivants :
- numpy
- sklearn
- scipy
- pandas
- nltk
- pillow
- fairness-indicators pour les instances de conteneurs de deep learning TensorFlow 2.3 et 2.4
- et bien plus encore
Les packages Nvidia avec le dernier pilote Nvidia pour les instances compatibles GPU :
- CUDA 10.* 11.* et 12.* (la version dépend du framework)
- CuDNN 7.* et NCCL 2.* (la version dépend de la version CUDA)
JupyterLab
Frameworks et bibliothèques Hugging Face:
- Kit d'inférence de génération de texte
- Kit d'inférence d'embedding textuel
- Bibliothèque Transformers
- Bibliothèque Sentence Transformers
- Bibliothèque de diffuseurs
Conteneurs Model Garden
- Bibliothèque vLLM
Assistance de la communauté
Posez vos questions concernant les conteneurs de deep learning sur Stack Overflow ou rejoignez le groupe Google google-dl-platform pour discuter des conteneurs de deep learning.
Découvrez comment obtenir de l'aide auprès de la communauté.
Étape suivante
Pour commencer à utiliser les conteneurs de deep learning, consultez les guides d'utilisation qui fournissent des instructions sur leur création et leur utilisation.