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 destino
  • VERSION: la versión del framework
  • CUDA_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