選擇虛擬機器映像檔

使用者管理的筆記本執行個體是深度學習 VM 映像檔執行個體，已啟用 JupyterLab 筆記本環境，可供直接使用。您可以根據自己選擇的架構和處理器，選擇特定的使用者自管筆記本映像檔。如要尋找所需圖片，請參閱下表。

決定映像檔系列

如要確保執行個體使用支援的映像檔系列，請建立執行個體，並在名稱中參照含有 -notebooks 的映像檔系列。下表列出映像檔系列的預設版本，並按架構類型分類。如果需要特定架構版本，但這裡未顯示，請參閱「支援的架構版本」。

架構 處理器 映像檔系列名稱
基本 GPU common-cu110-notebooks
common-cu113-notebooks
common-cu118-notebooks
common-cu121-notebooks
CPU common-cpu-notebooks
TensorFlow 企業版 GPU tf-ent-2-13-cu113-notebooks
PyTorch GPU pytorch-2-2-cu121-notebooks
R CPU (實驗功能) r-4-1-cpu-experimental-notebooks

選擇作業系統

大多數架構的預設作業系統為 Debian 11。部分架構可使用 Ubuntu 22.04 映像檔。Ubuntu 22.04 映像檔在映像檔系列名稱中會以 -ubuntu-2204 後置字元表示 (請參閱「列出所有可用版本」)。Debian 10 和 Debian 9 映像檔已淘汰。

PyTorch 和 TensorFlow Enterprise 映像檔系列支援 A100 GPU 加速器。

TensorFlow Enterprise 映像檔

TensorFlow 企業版映像檔系列提供 Google Cloud最佳化的 TensorFlow 發行版本。如要進一步瞭解 TensorFlow 企業版，包括支援的版本，請參閱 TensorFlow 企業版總覽。

實驗性映像檔

映像檔系列表會顯示實驗性質的使用者管理筆記本映像檔系列。系統會盡可能提供實驗性映像檔，但並不會為每個新版架構提供更新內容。

指定映像檔版本

使用映像檔系列名稱建立使用者管理的筆記本執行個體時，您會取得該架構版本的最新映像檔。舉例來說，如果您根據系列名稱 tf-ent-2-13-cu113-notebooks 建立使用者管理的筆記本執行個體，具體映像檔名稱可能類似 tf-ent-2-13-cu113-notebooks-v20230716。

如要根據完全相同的映像檔建立多個使用者管理的筆記本執行個體，請使用映像檔名稱，而非映像檔系列名稱。

如要判斷最新映像檔的確切名稱，請在慣用的終端機或 Cloud Shell 中，使用 Google Cloud CLI 執行下列指令。將 IMAGE_FAMILY 替換為您要取得最新版本號碼的映像檔系列名稱。

gcloud compute images describe-from-family IMAGE_FAMILY \
    --project deeplearning-platform-release

在輸出內容中找到 name 欄位，並在建立執行個體時使用該映像檔名稱。

支援的架構版本

Vertex AI 會根據排程支援各個架構版本，盡量減少安全漏洞。請參閱 Vertex AI 架構支援政策，瞭解終止支援和終止供應日期帶來的影響。

如果您需要特定架構或 CUDA 版本，請參閱下表。如要尋找映像檔的特定 VERSION_DATE，請參閱「列出可用版本」。

基礎版本

ML 架構版本 目前的修補程式版本 支援的加速器 修補程式和支援服務終止日期 供應終止日期 映像檔系列名稱
Base-CPU (Python 3.10 / Debian 11) 不適用 (N/A) 僅限 CPU 2024 年 7 月 1 日 2025 年 7 月 1 日 common-cpu-VERSION_DATE-debian-11
Base-cu122 (Python 3.10) CUDA 12.2 GPU (CUDA 12.2) 2025 年 1 月 8 日 2026 年 1 月 8 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
Base-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
Base-cu113 (Python 3.7) CUDA 11.3 GPU (CUDA 11.3) 2023 年 9 月 18 日 2024 年 9 月 18 日 common-cu113-VERSION_DATE-py37
Base-cu110 (Python 3.7) CUDA 11.0 GPU (CUDA 11.0) 2023 年 9 月 18 日 2024 年 9 月 18 日 common-cu110-VERSION_DATE-py37
Base-CPU (Python 3.7) 不適用 (N/A) 僅限 CPU 2023 年 9 月 18 日 2024 年 9 月 18 日 common-cpu-VERSION_DATE-debian-10

TensorFlow 版本

ML 架構版本 目前的修補程式版本 支援的加速器 修補程式和支援服務終止日期 供應終止日期 映像檔系列名稱
2.17 (Python 3.10) 2.17.0 僅限 CPU 2025 年 7 月 11 日 2026 年 7 月 11 日 tf-2-17-cpu-VERSION_DATE-py310
2.17 (Python 3.10) 2.17.0 GPU (CUDA 12.3) 2025 年 7 月 11 日 2026 年 7 月 11 日 tf-2-17-cu123-VERSION_DATE-py310
2.16 (Python 3.10) 2.16.2 僅限 CPU 2025 年 6 月 28 日 2026 年 6 月 28 日 tf-2-16-cpu-VERSION_DATE-py310
2.16 (Python 3.10) 2.16.2 GPU (CUDA 12.3) 2025 年 6 月 28 日 2026 年 6 月 28 日 tf-2-16-cu123-VERSION_DATE-py310
2.15 (Python 3.10) 2.15.0 僅限 CPU Nov 14, 2024 2025 年 11 月 14 日 tf-2-15-cpu-VERSION_DATE-py310
2.15 (Python 3.10) 2.15.0 GPU (CUDA 12.1) Nov 14, 2024 2025 年 11 月 14 日 tf-2-15-cu121-VERSION_DATE-py310
2.14 (Python 3.10) 2.14.0 僅限 CPU 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 僅限 CPU 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 僅限 CPU 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 1 月 18 日 2025 年 1 月 18 日 tf-2-12-cu113-VERSION_DATE-py310
2.11 (Python 3.10) 2.11.0 僅限 CPU 2023 年 11 月 15 日 2024 年 11 月 15 日 tf-2-11-cpu-VERSION_DATE-py310
2.11 (Python 3.10) 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-py310
2.11 2.11.0 僅限 CPU 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 僅限 CPU 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 僅限 CPU 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 僅限 CPU 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 僅限 CPU 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 僅限 CPU 2023 年 9 月 18 日 2024 年 9 月 18 日 tf-2-6-cpu-VERSION_DATE-py37
2.6 (py37) 2.6.5 GPU (CUDA 11.3) 2023 年 9 月 18 日 2024 年 9 月 18 日 tf-2-6-cu110-VERSION_DATE-py37
2.3 2.3.4 僅限 CPU 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 版本

ML 架構版本 目前的修補程式版本 支援的加速器 修補程式和支援服務終止日期 供應終止日期 映像檔系列名稱
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

使用 gcloud CLI 列出所有可用版本

您也可以使用下列 gcloud CLI 指令，列出所有可用的 Vertex AI 映像檔：

gcloud compute images list \
    --project deeplearning-platform-release | grep notebooks

映像檔系列名稱的格式如下：

FRAMEWORK-VERSION-CUDA_VERSION(-experimental)-notebooks

  • FRAMEWORK：目標程式庫
  • VERSION：架構版本
  • CUDA_VERSION：CUDA 堆疊的版本 (如果有的話)。

舉例來說，tf-ent-2-13-cu113-notebooks 系列的映像檔包含 TensorFlow Enterprise 2.13 和 CUDA 11.3。

後續步驟