フレームワークとプロセッサの組み合わせに適した、特定の Deep Learning VM イメージを利用できます。現在は、TensorFlow、PyTorch、汎用の高性能コンピューティングをサポートするイメージがあり、それぞれに CPU のみと GPU 対応のワークフロー バージョンがあります。次の表を参照して、必要なイメージを見つけてください。
イメージ ファミリーの決定
必要なフレームワークとプロセッサに基づき、Deep Learning VM イメージ ファミリーを選択します。次の表には、イメージ ファミリーの最新バージョンがフレームワーク タイプ別に示されています。最新バージョンのイメージを取得するには、名前に latest
が含まれているイメージ ファミリーを参照してインスタンスを作成してください。特定のフレームワーク バージョンが必要な場合は、サポートされているフレームワーク バージョンに進んでください。
フレームワーク | プロセッサ | イメージ ファミリー名 |
---|---|---|
基本 | GPU |
common-cu123 common-cu122 common-cu121 common-cu118 common-cu113 common-cu110
|
CPU | common-cpu |
|
TensorFlow Enterprise | GPU | tf-ent-latest-gpu |
CPU | tf-ent-latest-cpu |
|
PyTorch | GPU | pytorch-latest-gpu |
CPU | pytorch-latest-cpu |
オペレーティング システムの選択
ほとんどのフレームワークで、Debian 11 がデフォルトの OS です。Ubuntu 22.04 イメージは、一部のフレームワークで使用できます。これらは、イメージ ファミリー名の -ubuntu-2204
接尾辞で示されます(すべての利用可能なバージョンのリストをご覧ください)。
Debian 10 イメージと Debian 9 イメージはサポートが終了しました。
PyTorch と TensorFlow Enterprise のイメージ ファミリーは、A100 GPU アクセラレータをサポートしています。
含まれる依存関係
各リリースに含まれる Python 依存関係のリストは、Cloud Storage の次の場所で提供されています。
gs://deeplearning-platform-release/installed-dependencies/images/RELEASE_MILESTONE
RELEASE_MILESTONE は、リリース マイルストーン(m88
など)に置き換えます。たとえば、M88 リリースのリストは gs://deeplearning-platform-release/installed-dependencies/images/m88/
にあります。
TensorFlow Enterprise イメージ
TensorFlow Enterprise イメージ ファミリーは、Google Cloud 向けに最適化された TensorFlow ディストリビューションを提供します。サポートされているバージョンなど、TensorFlow Enterprise の詳細については、TensorFlow Enterprise の概要をご覧ください。
試験運用版イメージ
イメージ ファミリーの表に示されているように、Deep Learning VM イメージ ファミリーの中には試験運用版のものがあります。試験運用版のイメージはベスト エフォート ベースでサポートされます。また、フレームワークのリリースに合わせてアップデートされない場合があります。
イメージ バージョンの指定
最新のイメージが存在する場合でも、同じイメージを再利用できます。たとえば、クラスタを作成するときに、新しいインスタンスの作成で同じイメージが常に使用されるようにする場合、この機能は非常に便利です。この状況では、イメージ ファミリーの名前を使用しないでください。最新のイメージが更新されると、クラスタ内の一部のインスタンスに異なるイメージが作成されます。
代わりに、イメージの正確な名前を特定してバージョン番号を組み込み、そのイメージを使用してクラスタ内に新しいインスタンスを生成できます。
最新のイメージの正確な名前を確認するには、任意のターミナルで Google Cloud CLI を使用するか、Cloud Shell で次のコマンドを使用します。IMAGE_FAMILY は、最新のバージョン番号を確認するイメージ ファミリー名に置き換えます。
gcloud compute images describe-from-family IMAGE_FAMILY \ --project deeplearning-platform-release
出力で name
フィールドを探します。新しいインスタンスを作成するときに、このフィールドのイメージ名を使用します。
サポートされているフレームワーク バージョン
Deep Learning VM は、セキュリティの脆弱性を最小限に抑えるスケジュールに基づいて各フレームワーク バージョンをサポートします。Deep Learning VM フレームワークのサポート ポリシーを確認して、サポート終了日と提供終了日の影響を理解してください。
特定のフレームワークまたは CUDA バージョンが必要な場合は、次の表をご覧ください。イメージの特定の VERSION_DATE
を確認するには、利用可能なバージョンのリストをご覧ください。
基本バージョン
ML フレームワークのバージョン | 現在のパッチ バージョン | サポートされているアクセラレータ | パッチとサポート終了日 | 有効期間の終了日 | イメージ ファミリー名 |
---|---|---|---|---|---|
Base-CPU(Python 3.10 / Debian 11) | 該当なし | CPU のみ | 2024 年 7 月 1 日 | 2025 年 7 月 1 日 | common-cpu-VERSION_DATE-debian-11 |
Base-cu123(Python 3.10) | CUDA 12.3 | GPU(CUDA 12.3) | 2024 年 10 月 19 日 | 2025 年 10 月 19 日 | common-cu123-VERSION_DATE-debian-11-py310 |
Base-cu122(Python 3.10) | CUDA 12.2 | GPU(CUDA 12.2) | 2024 年 6 月 28 日 | 2025 年 6 月 28 日 | common-cu122-VERSION_DATE-debian-11-py310 |
Base-cu121(Python 3.10) | CUDA 12.1 | GPU(CUDA 12.1) | 2024 年 2 月 28 日 | 2025 年 2 月 28 日 | common-cu121-VERSION_DATE-debian-11-py310 |
Base-cu118(Python 3.10) | CUDA 11.8 | GPU(CUDA 11.8) | 2024 年 7 月 1 日 | 2025 年 7 月 1 日 | common-cu118-VERSION_DATE-debian-11-py310 |
ベース cu113(Python 3.10) | CUDA 11.3 | GPU(CUDA 11.3) | 2024 年 1 月 1 日 | 2025 年 1 月 1 日 | common-cu113-VERSION_DATE-debian-11-py310 |
ベース cu113(Python 3.7) | CUDA 11.3 | GPU(CUDA 11.3) | 2023 年 9 月 1 日 | 2024 年 9 月 1 日 | common-cu113-VERSION_DATE-py37 |
ベース cu110(Python 3.7) | CUDA 11.0 | GPU(CUDA 11.0) | 2023 年 9 月 1 日 | 2024 年 9 月 1 日 | common-cu110-VERSION_DATE-py37 |
Base-CPU(Python 3.7) | 該当なし | CPU のみ | 2023 年 9 月 1 日 | 2024 年 9 月 1 日 | common-cpu-VERSION_DATE-debian-10 |
TensorFlow のバージョン
ML フレームワークのバージョン | 現在のパッチ バージョン | サポートされているアクセラレータ | パッチとサポート終了日 | 有効期間の終了日 | イメージ ファミリー名 |
---|---|---|---|---|---|
2.15(Python 3.10) | 2.15.0 | CPU のみ | 2024 年 11 月 14 日 | 2025 年 11 月 14 日 | tf-2-15-cpu-VERSION_DATE-py310 |
2.15(Python 3.10) | 2.15.0 | GPU(CUDA 12.2) | 2024 年 11 月 14 日 | 2025 年 11 月 14 日 | tf-2-15-cu122-VERSION_DATE-py310 |
2.14(Python 3.10) | 2.14.0 | CPU のみ | 2024 年 9 月 26 日 | 2025 年 9 月 26 日 | tf-2-14-cpu-VERSION_DATE-py310 |
2.14(Python 3.10) | 2.14.0 | GPU(CUDA 11.8) | 2024 年 9 月 26 日 | 2025 年 9 月 26 日 | tf-2-14-cu118-VERSION_DATE-py310 |
2.13(Python 3.10) | 2.13.0 | CPU のみ | 2024 年 7 月 5 日 | 2025 年 7 月 5 日 | tf-2-13-cpu-VERSION_DATE-py310 |
2.13(Python 3.10) | 2.13.0 | GPU(CUDA 11.8) | 2024 年 7 月 5 日 | 2025 年 7 月 5 日 | tf-2-13-cu118-VERSION_DATE-py310 |
2.12(Python 3.10) | 2.12.0 | CPU のみ | 2024 年 6 月 30 日 | 2025 年 6 月 30 日 | tf-2-12-cpu-VERSION_DATE-py310 |
2.12(Python 3.10) | 2.12.0 | GPU(CUDA 11.8) | 2024 年 6 月 30 日 | 2025 年 6 月 30 日 | tf-2-12-cu113-VERSION_DATE-py310 |
2.11(Python 3.10) | 2.11.0 | CPU のみ | 2022 年 11 月 15 日 | 2023 年 11 月 15 日 | tf-2-11-cpu-VERSION_DATE-py310 |
2.11(Python 3.10) | 2.11.0 | GPU(CUDA 11.3) | 2022 年 11 月 15 日 | 2023 年 11 月 15 日 | tf-2-11-cu113-VERSION_DATE-py310 |
2.11 | 2.11.0 | CPU のみ | 2023 年 11 月 15 日 | 2024 年 11 月 15 日 | tf-2-11-cpu-VERSION_DATE-py37 |
2.11 | 2.11.0 | GPU(CUDA 11.3) | 2023 年 11 月 15 日 | 2024 年 11 月 15 日 | tf-2-11-cu113-VERSION_DATE-py37 |
2.10 | 2.10.1 | CPU のみ | 2023 年 11 月 15 日 | 2024 年 11 月 15 日 | tf-2-10-cpu-VERSION_DATE-py37 |
2.10 | 2.10.1 | GPU(CUDA 11.3) | 2023 年 11 月 15 日 | 2024 年 11 月 15 日 | tf-2-10-cu113-VERSION_DATE-py37 |
2.9 | 2.9.3 | CPU のみ | 2023 年 11 月 15 日 | 2024 年 11 月 15 日 | tf-2-9-cpu-VERSION_DATE-py37 |
2.9 | 2.9.3 | GPU(CUDA 11.3) | 2023 年 11 月 15 日 | 2024 年 11 月 15 日 | tf-2-9-cu113-VERSION_DATE-py37 |
2.8 | 2.8.4 | CPU のみ | 2023 年 11 月 15 日 | 2024 年 11 月 15 日 | tf-2-8-cpu-VERSION_DATE-py37 |
2.8 | 2.8.4 | GPU(CUDA 11.3) | 2023 年 11 月 15 日 | 2024 年 11 月 15 日 | tf-2-8-cu113-VERSION_DATE-py37 |
2.6(py39) | 2.6.5 | CPU のみ | 2023 年 9 月 1 日 | 2024 年 9 月 1 日 | tf-2-6-cpu-VERSION_DATE-py39 |
2.6(py39) | 2.6.5 | GPU(CUDA 11.3) | 2023 年 9 月 1 日 | 2024 年 9 月 1 日 | tf-2-6-cu110-VERSION_DATE-py39 |
2.6(py37) | 2.6.5 | CPU のみ | 2023 年 9 月 1 日 | 2024 年 9 月 1 日 | tf-2-6-cpu-VERSION_DATE-py37 |
2.6(py37) | 2.6.5 | GPU(CUDA 11.3) | 2023 年 9 月 1 日 | 2024 年 9 月 1 日 | tf-2-6-cu110-VERSION_DATE-py37 |
2.3 | 2.3.4 | CPU のみ | 2023 年 9 月 1 日 | 2024 年 9 月 1 日 | tf-2-3-cpu |
2.3 | 2.3.4 | GPU(CUDA 11.3) | 2023 年 9 月 1 日 | 2024 年 9 月 1 日 | tf-2-3-cu110-VERSION_DATE |
PyTorch のバージョン
ML フレームワークのバージョン | 現在のパッチ バージョン | サポートされているアクセラレータ | パッチとサポート終了日 | 有効期間の終了日 | イメージ ファミリー名 |
---|---|---|---|---|---|
2.2(Python 3.10) | 2.2.0 | CUDA 12.1 | 2025 年 1 月 30 日 | 2026 年 1 月 30 日 | pytorch-2-2-VERSION_DATE-py310 |
2.1(Python 3.10) | 2.1.0 | CUDA 12.1 | 2024 年 10 月 4 日 | 2025 年 10 月 4 日 | pytorch-2-1-VERSION_DATE-py310 |
2.0(Python 3.10) | 2.0.0 | CUDA 11.8 | 2024 年 3 月 15 日 | 2025 年 3 月 15 日 | pytorch-2-0-VERSION_DATE-py310 |
1.13(Python 3.10) | 1.13.1 | CUDA 11.3 | 2023 年 12 月 8 日 | 2024 年 12 月 8 日 | pytorch-1-13-VERSION_DATE-py310 |
1.13 | 1.13.1 | CUDA 11.3 | 2023 年 12 月 8 日 | 2024 年 12 月 8 日 | pytorch-1-13-VERSION_DATE-py37 |
1.12 | 1.12.1 | CUDA 11.3 | 2023 年 9 月 1 日 | 2024 年 9 月 1 日 | pytorch-1-12-VERSION_DATE-py310 |
gcloud CLI を使用して利用可能なすべてのバージョンを一覧表示する
次の gcloud CLI コマンドを使用して、利用可能なすべての Deep Learning VM イメージを一覧表示することもできます。
gcloud compute images list \ --project deeplearning-platform-release \ --format="value(NAME)" \ --no-standard-images
イメージ ファミリーの名前は FRAMEWORK-VERSION-CUDA_VERSION(-experimental)
の形式になります。FRAMEWORK
はターゲット ライブラリ、VERSION
はフレームワーク バージョン、CUDA_VERSION
は CUDA スタックのバージョン(存在する場合)です。
たとえば、ファミリー tf-ent-2-13-cu113
からのイメージには TensorFlow Enterprise 2.13 と CUDA 11.3 があります。
次のステップ
Cloud Marketplace またはコマンドラインを使用して、新しい Deep Learning VM インスタンスを作成する。