Elegir una imagen de máquina virtual
Las instancias de cuadernos gestionados por usuarios son instancias de imágenes de máquina virtual de aprendizaje profundo con entornos de cuadernos de JupyterLab habilitados y listos para usar. Hay imágenes de cuadernos gestionados por usuarios específicas para adaptarse al framework y al procesador que elijas. Para encontrar la imagen que quieras, consulta la siguiente tabla.
Decide una familia de imágenes
Para asegurarse de que su instancia usa una familia de imágenes compatible, cree una instancia haciendo referencia a una familia de imágenes con -notebooks
en el nombre. En la siguiente tabla se indican las versiones predeterminadas de las familias de imágenes, organizadas por tipo de framework. Si necesitas una versión específica del framework que no se muestra aquí, consulta Versiones de framework compatibles.
Framework | Procesador | Nombres de familias de imágenes |
---|---|---|
Base | GPU | common-cu110-notebooks common-cu113-notebooks common-cu118-notebooks common-cu121-notebooks
|
CPU | common-cpu-notebooks |
|
TensorFlow Enterprise | GPU | tf-ent-2-13-cu113-notebooks |
PyTorch | GPU | pytorch-2-2-cu121-notebooks |
R | CPU (experimental) | r-4-1-cpu-experimental-notebooks |
Elige un sistema operativo
Debian 11 es el sistema operativo predeterminado de la mayoría de los frameworks. Las imágenes de Ubuntu 22.04 están disponibles para algunos frameworks.
Las imágenes de Ubuntu 22.04 se indican con los sufijos -ubuntu-2204
en el nombre de la familia de imágenes (consulta la lista de todas las versiones disponibles). Las imágenes de Debian 10 y Debian 9 están obsoletas.
Las familias de imágenes de PyTorch y TensorFlow Enterprise admiten aceleradores de GPU A100.
Imágenes de TensorFlow Enterprise
Las familias de imágenes de TensorFlow Enterprise proporcionan una Google Cloud distribución optimizada de TensorFlow. Para obtener más información sobre TensorFlow Enterprise, incluidas las versiones compatibles, consulta el artículo de descripción general de TensorFlow Enterprise.
Imágenes experimentales
La tabla de familias de imágenes muestra las familias de imágenes de cuadernos gestionados por el usuario que son experimentales. Las imágenes experimentales se admiten en la medida de lo posible y puede que no se actualicen en cada nueva versión del framework.
Especificar una versión de imagen
Cuando usas un nombre de familia de imágenes para crear una instancia de cuadernos gestionados por el usuario, obtienes la imagen más reciente de esa versión del framework.
Por ejemplo, si creas una instancia de notebooks gestionada por el usuario
basada en el nombre de familia tf-ent-2-13-cu113-notebooks
,
el nombre de imagen específico podría ser
tf-ent-2-13-cu113-notebooks-v20230716
.
Para crear varias instancias de cuadernos gestionados por usuarios basadas en la misma imagen, usa el nombre de la imagen en lugar del nombre de la familia de imágenes.
Para determinar el nombre exacto de la imagen más reciente, ejecuta el siguiente comando con la CLI de Google Cloud en el terminal que prefieras o en Cloud Shell. Sustituye IMAGE_FAMILY por el nombre de la familia de imágenes de la que quieras obtener el número de versión más reciente.
gcloud compute images describe-from-family IMAGE_FAMILY \ --project deeplearning-platform-release
En el resultado, busca el campo name
y usa ese nombre de imagen al crear instancias.
Versiones de framework compatibles
Vertex AI admite cada versión del framework según una programación para minimizar las vulnerabilidades de seguridad. Consulta la política de asistencia del framework de Vertex AI para conocer las implicaciones de las fechas de finalización de la asistencia y de la disponibilidad.
Si necesitas una versión específica de un framework o de CUDA, consulta las siguientes tablas. Para
encontrar un VERSION_DATE
específico de una imagen, consulta Listar las versiones disponibles.
Versiones base
Versión de framework de aprendizaje automático | Versión de parche actual | Aceleradores compatibles | Fecha de fin de los parches y de la asistencia | Fecha de fin de disponibilidad | Nombre de familia de la imagen |
---|---|---|---|---|---|
CPU base (Python 3.10 / Debian 11) | No aplicable (N/A) | Solo CPU | 1 de julio del 2024 | 1 de julio del 2025 | common-cpu-VERSION_DATE-debian-11 |
Base-cu122 (Python 3.10) | CUDA 12.2 | GPU (CUDA 12.2) | 8 de enero del 2025 | 8 de enero del 2026 | common-cu122-VERSION_DATE-debian-11-py310 |
Base-cu121 (Python 3.10) | CUDA 12.1 | GPU (CUDA 12.1) | 28 feb. 2024 | Feb 28, 2025 | common-cu121-VERSION_DATE-debian-11-py310 |
Base-cu118 (Python 3.10) | CUDA 11.8 | GPU (CUDA 11.8) | 1 de julio del 2024 | 1 de julio del 2025 | common-cu118-VERSION_DATE-debian-11-py310 |
Base-cu113 (Python 3.10) | CUDA 11.3 | GPU (CUDA 11.3) | 1 de enero del 2024 | 1 de enero del 2025 | common-cu113-VERSION_DATE-debian-11-py310 |
Base-cu113 (Python 3.7) | CUDA 11.3 | GPU (CUDA 11.3) | 18 de septiembre del 2023 | 18 de septiembre del 2024 | common-cu113-VERSION_DATE-py37 |
Base-cu110 (Python 3.7) | CUDA 11.0 | GPU (CUDA 11.0) | 18 de septiembre del 2023 | 18 de septiembre del 2024 | common-cu110-VERSION_DATE-py37 |
Base-CPU (Python 3.7) | No aplicable (N/A) | Solo CPU | 18 de septiembre del 2023 | 18 de septiembre del 2024 | common-cpu-VERSION_DATE-debian-10 |
Versiones de TensorFlow
Versión de framework de aprendizaje automático | Versión de parche actual | Aceleradores compatibles | Fecha de fin de los parches y de la asistencia | Fecha de fin de disponibilidad | Nombre de familia de la imagen |
---|---|---|---|---|---|
2.17 (Python 3.10) | 2.17.0 | Solo CPU | 11 de julio del 2025 | 11 de julio del 2026 | tf-2-17-cpu-VERSION_DATE-py310 |
2.17 (Python 3.10) | 2.17.0 | GPU (CUDA 12.3) | 11 de julio del 2025 | 11 de julio del 2026 | tf-2-17-cu123-VERSION_DATE-py310 |
2.16 (Python 3.10) | 2.16.2 | Solo CPU | 28 de junio del 2025 | 28 de junio del 2026 | tf-2-16-cpu-VERSION_DATE-py310 |
2.16 (Python 3.10) | 2.16.2 | GPU (CUDA 12.3) | 28 de junio del 2025 | 28 de junio del 2026 | tf-2-16-cu123-VERSION_DATE-py310 |
2.15 (Python 3.10) | 2.15.0 | Solo CPU | 14 de noviembre del 2024 | 14 nov. 2025 | tf-2-15-cpu-VERSION_DATE-py310 |
2.15 (Python 3.10) | 2.15.0 | GPU (CUDA 12.1) | 14 de noviembre del 2024 | 14 nov. 2025 | tf-2-15-cu121-VERSION_DATE-py310 |
2.14 (Python 3.10) | 2.14.0 | Solo CPU | Sep 26, 2024 | 26 de septiembre del 2025 | tf-2-14-cpu-VERSION_DATE-py310 |
2.14 (Python 3.10) | 2.14.0 | GPU (CUDA 11.8) | Sep 26, 2024 | 26 de septiembre del 2025 | tf-2-14-cu118-VERSION_DATE-py310 |
2.13 (Python 3.10) | 2.13.0 | Solo CPU | 5 de julio del 2024 | 5 de julio del 2025 | tf-2-13-cpu-VERSION_DATE-py310 |
2.13 (Python 3.10) | 2.13.0 | GPU (CUDA 11.8) | 5 de julio del 2024 | 5 de julio del 2025 | tf-2-13-cu118-VERSION_DATE-py310 |
2.12 (Python 3.10) | 2.12.0 | Solo CPU | 30 de junio del 2024 | 30 de junio del 2025 | tf-2-12-cpu-VERSION_DATE-py310 |
2.12 (Python 3.10) | 2.12.0 | GPU (CUDA 11.8) | 18 ene. 2024 | 18 de enero del 2025 | tf-2-12-cu113-VERSION_DATE-py310 |
2.11 (Python 3.10) | 2.11.0 | Solo CPU | 15 de noviembre del 2023 | 15 de noviembre del 2024 | tf-2-11-cpu-VERSION_DATE-py310 |
2.11 (Python 3.10) | 2.11.0 | GPU (CUDA 11.3) | 15 de noviembre del 2023 | 15 de noviembre del 2024 | tf-2-11-cu113-VERSION_DATE-py310 |
2.11 | 2.11.0 | Solo CPU | 15 de noviembre del 2023 | 15 de noviembre del 2024 | tf-2-11-cpu-VERSION_DATE-py37 |
2.11 | 2.11.0 | GPU (CUDA 11.3) | 15 de noviembre del 2023 | 15 de noviembre del 2024 | tf-2-11-cu113-VERSION_DATE-py37 |
2.10 | 2.10.1 | Solo CPU | 15 de noviembre del 2023 | 15 de noviembre del 2024 | tf-2-10-cpu-VERSION_DATE-py37 |
2.10 | 2.10.1 | GPU (CUDA 11.3) | 15 de noviembre del 2023 | 15 de noviembre del 2024 | tf-2-10-cu113-VERSION_DATE-py37 |
2.9 | 2.9.3 | Solo CPU | 15 de noviembre del 2023 | 15 de noviembre del 2024 | tf-2-9-cpu-VERSION_DATE-py37 |
2.9 | 2.9.3 | GPU (CUDA 11.3) | 15 de noviembre del 2023 | 15 de noviembre del 2024 | tf-2-9-cu113-VERSION_DATE-py37 |
2,8 | 2.8.4 | Solo CPU | 15 de noviembre del 2023 | 15 de noviembre del 2024 | tf-2-8-cpu-VERSION_DATE-py37 |
2,8 | 2.8.4 | GPU (CUDA 11.3) | 15 de noviembre del 2023 | 15 de noviembre del 2024 | tf-2-8-cu113-VERSION_DATE-py37 |
2.6 (py39) | 2.6.5 | Solo CPU | 1 sep. 2023 | 1 de septiembre del 2024 | tf-2-6-cpu-VERSION_DATE-py39 |
2.6 (py39) | 2.6.5 | GPU (CUDA 11.3) | 1 sep. 2023 | 1 de septiembre del 2024 | tf-2-6-cu110-VERSION_DATE-py39 |
2.6 (py37) | 2.6.5 | Solo CPU | 18 de septiembre del 2023 | 18 de septiembre del 2024 | tf-2-6-cpu-VERSION_DATE-py37 |
2.6 (py37) | 2.6.5 | GPU (CUDA 11.3) | 18 de septiembre del 2023 | 18 de septiembre del 2024 | tf-2-6-cu110-VERSION_DATE-py37 |
2.3 | 2.3.4 | Solo CPU | 1 sep. 2023 | 1 de septiembre del 2024 | tf-2-3-cpu |
2.3 | 2.3.4 | GPU (CUDA 11.3) | 1 sep. 2023 | 1 de septiembre del 2024 | tf-2-3-cu110-VERSION_DATE |
Versiones de PyTorch
Versión de framework de aprendizaje automático | Versión de parche actual | Aceleradores compatibles | Fecha de fin de los parches y de la asistencia | Fecha de fin de disponibilidad | Nombre de familia de la imagen |
---|---|---|---|---|---|
2.2 (Python 3.10) | 2.2.0 | CUDA 12.1 | 30 de enero del 2025 | 30 de enero del 2026 | pytorch-2-2-VERSION_DATE-py310 |
2.1 (Python 3.10) | 2.1.0 | CUDA 12.1 | 4 de octubre del 2024 | 4 de octubre del 2025 | pytorch-2-1-VERSION_DATE-py310 |
2.0 (Python 3.10) | 2.0.0 | CUDA 11.8 | 15 mar. 2024 | Mar 15, 2025 | pytorch-2-0-VERSION_DATE-py310 |
1.13 (Python 3.10) | 1.13.1 | CUDA 11.3 | 8 de diciembre del 2023 | 8 dic., 2024 | pytorch-1-13-VERSION_DATE-py310 |
1.13 | 1.13.1 | CUDA 11.3 | 8 de diciembre del 2023 | 8 dic., 2024 | pytorch-1-13-VERSION_DATE-py37 |
1.12 | 1.12.1 | CUDA 11.3 | 1 sep. 2023 | 1 de septiembre del 2024 | pytorch-1-12-VERSION_DATE-py310 |
Mostrar todas las versiones disponibles con la CLI de gcloud
También puedes consultar todas las imágenes de Vertex AI disponibles con el siguiente comando de gcloud CLI:
gcloud compute images list \ --project deeplearning-platform-release | grep notebooks
Los nombres de las familias de imágenes se indican con el siguiente formato:
FRAMEWORK-VERSION-CUDA_VERSION(-experimental)-notebooks
FRAMEWORK
: la biblioteca de destinoVERSION
: la versión del frameworkCUDA_VERSION
: la versión de la pila de CUDA, si está presente.
Por ejemplo, una imagen de la familia
tf-ent-2-13-cu113-notebooks
tiene
TensorFlow Enterprise 2.13 y CUDA 11.3.
Siguientes pasos
- Usa la Google Cloud consola para crear una instancia de cuadernos gestionados por usuarios con propiedades predeterminadas
- Usa Google Cloud CLI para crear una instancia de cuadernos gestionados por usuarios.
- Consulta más información sobre las instancias de máquina virtual de aprendizaje profundo.