Images específicas do Deep Learning VM Image estão disponíveis para se adequar ao framework e processador que você escolher. Atualmente, há imagens compatíveis com PyTorch e computação de alto desempenho genérica, com versões para fluxos de trabalho ativados para GPU. Para encontrar a imagem pretendida, consulte a tabela abaixo.
Como decidir sobre uma família de imagens
Escolha uma família de imagens de VM de aprendizado profundo com base no framework
e no processador de que você precisa.
A tabela a seguir lista as versões mais recentes de famílias de imagens, organizadas por tipo de framework.
Para acessar a versão mais recente de uma imagem, crie uma instância
referenciando uma família de imagens com latest
no nome.
Se você precisar de uma versão de framework específica, vá para Versões de framework
compatíveis.
Framework | Processador | Nome(s) de família de imagens |
---|---|---|
Base | GPU |
common-cu128-ubuntu-2204-nvidia-570 |
PyTorch | GPU | pytorch-2-7-cu128-ubuntu-2204-nvidia-570 |
Como escolher um sistema operacional
O Ubuntu 22.04 é o SO padrão, e as imagens vêm com a versão 570 do driver da NVIDIA.
Elas são indicadas pelos sufixos
-ubuntu-2204-nvidia-570
e no nome da família de imagens (consulte Como listar todas as versões
disponíveis).
Todas as imagens do Debian foram suspensas.
Todas as imagens ativas são compatíveis com aceleradores de GPU A3 Ultra.
Imagens do PyTorch
As famílias de imagens do PyTorch oferecem uma distribuição otimizada do PyTorch e do PyTorch Lightning. Google Cloud
Como especificar uma versão de imagem
É possível reutilizar uma imagem, mesmo que a última seja a mais recente. Isso pode ser útil, por exemplo, se você está tentando criar um cluster e quer garantir que as imagens usadas para criar novas instâncias sejam sempre as mesmas. Você não deve usar o nome da família de imagens nessa situação porque, se a imagem mais recente for atualizada, você terá imagens diferentes em algumas instâncias do cluster.
Em vez disso, determine qual é o nome exato da imagem, incorpore o número da versão e, em seguida, use essa imagem específica para gerar novas instâncias no cluster.
Para descobrir o nome exato da imagem mais recente, use o seguinte comando na CLI do Google Cloud com seu terminal preferido ou no Cloud Shell. Substitua IMAGE_FAMILY pelo nome da família da imagem para a qual você quer descobrir 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.
Versões de framework compatíveis
A VM de aprendizado profundo é compatível com cada versão de framework com base em uma programação para minimizar as vulnerabilidades de segurança. Leia a política de suporte ao framework da VM de aprendizado profundo para entender as implicações das datas de término de suporte e fim da disponibilidade.
Se você precisar de uma estrutura específica ou versão CUDA, consulte as tabelas a seguir. Para
encontrar um VERSION_DATE
específico para uma imagem, consulte Como listar
as versões disponíveis.
Versões de base
Todas as imagens baseadas em CPU foram descontinuadas.
Versão do framework de MLs | Versão atual do patch | Aceleradores compatíveis | Fim do patch e da data de suporte | Data de término da disponibilidade | Nome da família da imagem |
---|---|---|---|---|---|
Base-cu128 (Python 3.10 / Ubuntu 22.04) | CUDA 12.8 | GPU (CUDA 12.8) | 1º de agosto de 2026 | 1º de agosto de 2027 | common-cu128-ubuntu-2204-nvidia-570-VERSION_DATE |
CPU base (Python 3.10 / Debian 11) | Não relevante (N/A) | Somente CPU | 1 de julho de 2024 | 1 de julho de 2025 | common-cpu-VERSION_DATE-debian-11 |
Base-cu124 (Python 3.10) | CUDA 12.4 | GPU (CUDA 12.4) | 1º de abril de 2025 | 1º de abril de 2026 | common-cu124-VERSION_DATE-debian-11-py310 |
Base-cu123 (Python 3.10) | CUDA 12.3 | GPU (CUDA 12.3) | 19 de outubro de 2024 | 19 de outubro de 2025 | common-cu123-VERSION_DATE-debian-11-py310 |
Base-cu122 (Python 3.10) | CUDA 12.2 | GPU (CUDA 12.2) | 28 de junho de 2024 | 28 de junho de 2025 | common-cu122-VERSION_DATE-debian-11-py310 |
Base-cu121 (Python 3.10) | CUDA 12.1 | GPU (CUDA 12.1) | 28 de fevereiro de 2024 | 28 de fevereiro de 2025 | common-cu121-VERSION_DATE-debian-11-py310 |
Base-cu118 (Python 3.10) | CUDA 11.8 | GPU (CUDA 11.8) | 1 de julho de 2024 | 1 de julho de 2025 | common-cu118-VERSION_DATE-debian-11-py310 |
Base-cu113 (Python 3.10) | CUDA 11.3 | GPU (CUDA 11.3) | 1 de janeiro de 2024 | 1 de janeiro de 2025 | common-cu113-VERSION_DATE-debian-11-py310 |
Base-cu113 (Python 3.7) | CUDA 11.3 | GPU (CUDA 11.3) | 1 de setembro de 2023 | 1 de setembro de 2024 | common-cu113-VERSION_DATE-py37 |
Base-cu110 (Python 3.7) | CUDA 11.0 | GPU (CUDA 11.0) | 1 de setembro de 2023 | 1 de setembro de 2024 | common-cu110-VERSION_DATE-py37 |
CPU base (Python 3.7) | Não relevante (N/A) | Somente CPU | 1 de setembro de 2023 | 1 de setembro de 2024 | common-cpu-VERSION_DATE-debian-10 |
Versões do PyTorch
Versão do framework de MLs | Versão atual do patch | Aceleradores compatíveis | Fim do patch e da data de suporte | Data de término da disponibilidade | Nome da família da imagem |
---|---|---|---|---|---|
2.7 (Python 3.10) | 2.7.1 | CUDA 12.8 | 1º de agosto de 2026 | 1º de agosto de 2027 | pytorch-2-7-cu128-ubuntu-2204-nvidia-570-VERSION_DATE |
2.4 (Python 3.10) | 2.4.0 | CUDA 12.4 | 24 de julho de 2025 | 24 de julho de 2026 | pytorch-2-4-VERSION_DATE-py310 |
2.3 (Python 3.10) | 2.3.0 | CUDA 12.1 | 24 de abril de 2025 | 24 de abril de 2026 | pytorch-2-3-VERSION_DATE-py310 |
2.2 (Python 3.10) | 2.2.0 | CUDA 12.1 | 30 de janeiro de 2024 | 30 de janeiro de 2025 | pytorch-2-2-VERSION_DATE-py310 |
2.1 (Python 3.10) | 2.1.0 | CUDA 12.1 | 4 de outubro de 2024 | 4 de outubro de 2025 | pytorch-2-1-VERSION_DATE-py310 |
2.0 (Python 3.10) | 2.0.0 | CUDA 11.8 | 15 de março de 2024 | 15 de março de 2025 | pytorch-2-0-VERSION_DATE-py310 |
1.13 (Python 3.10) | 1.13.1 | CUDA 11.3 | 8 de dezembro de 2023 | 8 de dezembro de 2024 | pytorch-1-13-VERSION_DATE-py310 |
1.13 | 1.13.1 | CUDA 11.3 | 8 de dezembro de 2023 | 8 de dezembro de 2024 | pytorch-1-13-VERSION_DATE-py37 |
1.12 | 1.12.1 | CUDA 11.3 | 1 de setembro de 2023 | 1 de setembro de 2024 | pytorch-1-12-VERSION_DATE-py310 |
Versões do TensorFlow
Todas as imagens do TensorFlow foram descontinuadas.
Versão do framework de MLs | Versão atual do patch | Aceleradores compatíveis | Fim do patch e da data de suporte | Data de término da disponibilidade | Nome da família da imagem |
---|---|---|---|---|---|
2.17 (Python 3.10) | 2.17.0 | Somente CPU | 11 de julho de 2025 | 11 de julho de 2026 | tf-2-17-cpu-VERSION_DATE-py310 |
2.17 (Python 3.10) | 2.17.0 | GPU (CUDA 12.3) | 11 de julho de 2025 | 11 de julho de 2026 | tf-2-17-cu123-VERSION_DATE-py310 |
2.16 (Python 3.10) | 2.16.2 | Somente CPU | 28 de junho de 2025 | 28 de junho de 2026 | tf-2-16-cpu-VERSION_DATE-py310 |
2.16 (Python 3.10) | 2.16.2 | GPU (CUDA 12.3) | 28 de junho de 2025 | 28 de junho de 2026 | tf-2-16-cu123-VERSION_DATE-py310 |
2.15 (Python 3.10) | 2.15.0 | Somente CPU | 14 de novembro de 2024 | 14 de novembro de 2024 | tf-2-15-cpu-VERSION_DATE-py310 |
2.15 (Python 3.10) | 2.15.0 | GPU (CUDA 12.2) | 14 de novembro de 2024 | 14 de novembro de 2024 | tf-2-15-cu122-VERSION_DATE-py310 |
2.14 (Python 3.10) | 2.14.0 | Somente CPU | 26 de setembro de 2024 | 26 de setembro de 2025 | tf-2-14-cpu-VERSION_DATE-py310 |
2.14 (Python 3.10) | 2.14.0 | GPU (CUDA 11.8) | 26 de setembro de 2024 | 26 de setembro de 2025 | tf-2-14-cu118-VERSION_DATE-py310 |
2.13 (Python 3.10) | 2.13.0 | Somente CPU | 5 de julho de 2024 | 5 de julho de 2025 | tf-2-13-cpu-VERSION_DATE-py310 |
2.13 (Python 3.10) | 2.13.0 | GPU (CUDA 11.8) | 5 de julho de 2024 | 5 de julho de 2025 | tf-2-13-cu118-VERSION_DATE-py310 |
2.12 (Python 3.10) | 2.12.0 | Somente CPU | 30 de junho de 2024 | 30 de junho de 2025 | tf-2-12-cpu-VERSION_DATE-py310 |
2.12 (Python 3.10) | 2.12.0 | GPU (CUDA 11.8) | 30 de junho de 2024 | 30 de junho de 2025 | tf-2-12-cu113-VERSION_DATE-py310 |
2.11 (Python 3.10) | 2.11.0 | Somente CPU | 15 de novembro de 2022 | 15 de novembro de 2023 | tf-2-11-cpu-VERSION_DATE-py310 |
2.11 (Python 3.10) | 2.11.0 | GPU (CUDA 11.3) | 15 de novembro de 2022 | 15 de novembro de 2023 | tf-2-11-cu113-VERSION_DATE-py310 |
2.11 | 2.11.0 | Somente CPU | 15 de novembro de 2023 | 15 de novembro de 2024 | tf-2-11-cpu-VERSION_DATE-py37 |
2.11 | 2.11.0 | GPU (CUDA 11.3) | 15 de novembro de 2023 | 15 de novembro de 2024 | tf-2-11-cu113-VERSION_DATE-py37 |
2.10 | 2.10.1 | Somente CPU | 15 de novembro de 2023 | 15 de novembro de 2024 | tf-2-10-cpu-VERSION_DATE-py37 |
2.10 | 2.10.1 | GPU (CUDA 11.3) | 15 de novembro de 2023 | 15 de novembro de 2024 | tf-2-10-cu113-VERSION_DATE-py37 |
2.9 | 2.9.3 | Somente CPU | 15 de novembro de 2023 | 15 de novembro de 2024 | tf-2-9-cpu-VERSION_DATE-py37 |
2.9 | 2.9.3 | GPU (CUDA 11.3) | 15 de novembro de 2023 | 15 de novembro de 2024 | tf-2-9-cu113-VERSION_DATE-py37 |
2.8 | 2.8.4 | Somente CPU | 15 de novembro de 2023 | 15 de novembro de 2024 | tf-2-8-cpu-VERSION_DATE-py37 |
2.8 | 2.8.4 | GPU (CUDA 11.3) | 15 de novembro de 2023 | 15 de novembro de 2024 | tf-2-8-cu113-VERSION_DATE-py37 |
2.6 (py39) | 2.6.5 | Somente CPU | 1 de setembro de 2023 | 1 de setembro de 2024 | tf-2-6-cpu-VERSION_DATE-py39 |
2.6 (py39) | 2.6.5 | GPU (CUDA 11.3) | 1 de setembro de 2023 | 1 de setembro de 2024 | tf-2-6-cu110-VERSION_DATE-py39 |
2.6 (py37) | 2.6.5 | Somente CPU | 1 de setembro de 2023 | 1 de setembro de 2024 | tf-2-6-cpu-VERSION_DATE-py37 |
2.6 (py37) | 2.6.5 | GPU (CUDA 11.3) | 1 de setembro de 2023 | 1 de setembro de 2024 | tf-2-6-cu110-VERSION_DATE-py37 |
2.3 | 2.3.4 | Somente CPU | 1 de setembro de 2023 | 1 de setembro de 2024 | tf-2-3-cpu |
2.3 | 2.3.4 | GPU (CUDA 11.3) | 1 de setembro de 2023 | 1 de setembro de 2024 | tf-2-3-cu110-VERSION_DATE |
Após a descontinuação
Quando as imagens atingem a data de fim de patch e suporte, elas são descontinuadas. A descontinuação significa que essas imagens são removidas da visibilidade pública, e é recomendável usar imagens compatíveis para garantir segurança e desempenho.
Se a imagem da VM de aprendizado profundo estiver descontinuada ou atingir o fim da disponibilidade, recomendamos migrar para uma imagem mais recente e compatível. Isso ajuda a garantir que você continue recebendo patches de segurança críticos e os recursos mais recentes. Considere as seguintes formas de migração:
- Se houver uma imagem mais recente e compatível na mesma família, recomendamos fazer upgrade para uma versão compatível da mesma família.
- Se não houver imagens mais recentes e compatíveis na mesma família, considere um framework mais recente e compatível de outra família de imagens de VM.
Usar uma imagem após a suspensão de uso
Se você precisar usar uma imagem após a descontinuação contra as recomendações de segurança do Google e por sua conta e risco, especifique uma imagem da família de imagens ao criar a instância de VM.
Para listar imagens de uma família de imagens após a data de fim de patch e
de suporte, inclua a flag --show-deprecated
no comando
gcloud compute images list
ou selecione Mostrar imagens descontinuadas
ao criar uma instância no console Google Cloud . Consulte Listar todas as versões disponíveis usando a CLI gcloud.
Para criar uma instância de VM de aprendizado profundo que usa uma imagem descontinuada, consulte o seguinte exemplo de comando da CLI gcloud:
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
Substitua IMAGE_NAME pelo nome da imagem, da seguinte forma:
- Para usar uma imagem específica na família, use o nome dela, por exemplo:
pytorch-2-7-cu128-ubuntu-2204-nvidia-570-v20250728
.
Listar todas as versões disponíveis usando a CLI gcloud
Também é possível listar todas as imagens de VM da VM de aprendizado profundo disponíveis usando o seguinte comando da gcloud CLI:
gcloud compute images list \ --project deeplearning-platform-release \ --format="value(NAME)" \ --no-standard-images
As famílias de imagens são nomeadas no formato
FRAMEWORK-CUDA_VERSION-OS
,
em que FRAMEWORK
é a biblioteca de destino,
CUDA_VERSION
é a versão da pilha CUDA
e OS
denota o sistema operacional com o
driver NVIDIA pré-instalado.
Por exemplo, uma imagem da família
pytorch-2-7-cu128-ubuntu-2204-nvidia-570
tem
PyTorch 2.7, CUDA 12.8 e o SO é Ubuntu 22.04 com o driver NVIDIA 570
pré-instalado.
A seguir
Crie uma nova instância de VM de aprendizado profundo usando o Cloud Marketplace ou usando a linha de comando.