Introduzione a Deep Learning VM

Le immagini di Deep Learning VM sono un insieme di immagini di macchine virtuali ottimizzate per le attività di data science e machine learning. Tutte le immagini sono fornite con framework ML e strumenti chiave preinstallati. Puoi utilizzarli immediatamente su istanze con GPU per accelerare le attività di elaborazione dei dati.

Le immagini VM per il deep learning sono disponibili per supportare molte combinazioni di framework e processore. Al momento sono disponibili immagini che supportano TensorFlow Enterprise, TensorFlow, PyTorch e calcolo generico ad alte prestazioni, con versioni sia per flussi di lavoro solo con CPU sia per flussi di lavoro abilitati per GPU.

Per visualizzare un elenco dei framework disponibili, consulta Scegliere un'immagine.

Pacchetti preinstallati

Le immagini si basano sui sistemi operativi Debian 11 e Ubuntu 22.04 e possono essere configurate in modo da includere quanto segue:

  • Framework specifici (ad esempio TensorFlow) e pacchetti di supporto.

  • Python 3.10 con i seguenti pacchetti:

    • NumPy
    • SciPy
    • matplotlib
    • panda
    • nltk
    • cuscino
    • scikit-image
    • opencv-python
    • scikit-learn
    • e molti altri
  • Ambienti di blocco note JupyterLab per la prototipazione rapida

  • Pacchetti Nvidia con il driver Nvidia più recente per le istanze abilitate per GPU:

    • CUDA 11.x e 12.x (la versione dipende dal framework)
    • CuDNN 7.x e NCCL 2.x (la versione dipende dalla versione di CUDA)

Aggiornamenti

Le immagini di Deep Learning VM vengono aggiornate regolarmente con correzioni di bug e aggiornamenti dei pacchetti. Consulta le note di rilascio per informazioni sugli aggiornamenti.

Assistenza dalla community

Fai una domanda su Deep Learning VM su Stack Overflow o partecipa al gruppo Google google-dl-platform per discutere di Deep Learning VM.

Scopri di più su come ricevere assistenza dalla community.

Passaggi successivi

Per iniziare a utilizzare la VM di deep learning, crea una nuova istanza utilizzando Cloud Marketplace o utilizzando la riga di comando.