OS 和 Docker 映像檔

Google Cloud 提供內含常見作業系統、框架、程式庫和驅動程式的映像檔。 Google Cloud 會將這些預先設定的映像檔最佳化，來支援人工智慧 (AI) 和機器學習 (ML) 工作負載。

本文概述在 AI Hypercomputer 環境中，用於部署、管理及執行工作負載的映像檔。

瞭解圖片類別

圖片分為以下類別：

  • AI 和機器學習框架、程式庫：預先設定機器學習框架和程式庫二進位檔的 Docker 映像檔，可簡化機器學習模型的建立、訓練和使用。在 AI Hypercomputer，您可以使用深度學習軟體層 (DLSL) Docker 映像檔，在 Google Kubernetes Engine (GKE) 叢集執行 NeMO 和 MaxText 等機器學習模型。
  • 叢集部署和自動化調度管理：用於部署及管理效能最佳化基礎架構的作業系統 (OS) 映像檔，AI 工作負載會在該基礎架構上執行。應使用的映像檔取決於您使用的 GPU 基礎架構 (叢集式 GPU 或一般 GPU)，以及您打算如何部署叢集：
    • GKE 節點映像檔：您可以使用這些映像檔部署 GKE 叢集。
    • Slurm OS 映像檔：Cluster Toolkit 會建構及部署這些映像檔，為 Slurm 節點安裝必要的系統軟體。
    • 加速器 OS 映像檔：您可以使用這些映像檔，建立個別或群組 Compute Engine 執行個體。

AI 和機器學習架構與程式庫

Google Cloud 提供 Docker 映像檔，其中封裝了熱門的 AI 和機器學習框架與程式庫。這些映像檔提供所需軟體，可簡化在 AI Hypercomputer 上執行的 AI 最佳化叢集上開發、訓練和部署模型。

JAX AI 圖像

JAX AI 映像檔 (JAII，舊稱 JAX Stable Stack 映像檔) 適用於Google Cloud TPU 和 GPU，提供立即可用的 Docker 映像檔，內含 JAX 架構、精選相容程式庫，以及 Google Cloud 基礎架構設定。JAX AI TPU 映像檔已預先設定 JAX 程式庫和 TPU 程式庫。JAX AI GPU 映像檔已預先設定 JAX 程式庫和相關 CUDA/NVIDIA 程式庫。

JAX AI 圖像圖表

硬體層

JAX AI 映像檔位於硬體層之上，硬體層由加速器 (TPU 或 GPU) 和相關聯的 VM 組成。如要使用 JAX AI 映像檔，您必須佈建 TPU 或 GPU VM。您可以使用 TPU API、Compute Engine API 或 GKE API 執行這項操作。

框架層

架構層提供建構機器學習工作負載的工具和程式庫。JAX AI 映像檔為 JAX 機器學習工作負載提供預先設定的基礎，包括核心 JAX 程式庫和其他必要依附元件，確保開發體驗一致且高效能。

JAX AI 映像檔中的 LibTPU 層是專為相應的 JAX 版本建構，並與該版本搭配。使用其他 JAX 版本可能會導致非預期的行為或錯誤。

JAX AI 映像檔中的 CUDA 層包含 NVIDIA 管理的元件，例如 NGC CUDA 深度學習映像檔，用於 GPU 訓練映像檔的基本映像檔。GPU 映像檔也包含 Transformer Engine，這是自訂 NVIDIA 程式庫，用於在 NVIDIA GPU 加速 Transformer 模型。

除了 JAX AI 映像檔提供的套件外，您可能還需要其他應用程式專屬套件，才能處理特定的機器學習工作負載。

JAX AI 圖像中的程式庫：

TPU 映像檔

功能 套件名稱
核心程式庫或元件
機器學習框架 JAX 和 JAX 程式庫
LibTPU Cloud LibTPU 穩定版本
圖層/模型庫 Flax
查核點機制 Orbax
量化 Qwix
最佳化工具 Optax

aqtp
自訂核心 Tokamax
設定 Fiddle
輸入管道 tf.data

PyGrain array-record

剖析、偵錯 Tensorboard
Utils Common loop utils

機器學習有效處理量測量 機器學習集合

雲端專用工具
Google Cloud

Google Cloud SDK Google Cloud 儲存空間

診斷

Cloud Accelerator Diagnostics Cloud TPU Diagnostics

GPU 映像檔

功能 套件名稱
核心程式庫或元件
機器學習框架 JAX 和 JAX 程式庫
NVIDIA CUDA 程式庫 CUDA DL 映像檔
圖層/模型庫 Flax
查核點機制 Orbax
最佳化工具

Optax aqtp TransformerEngine

設定 Fiddle
輸入管道

tf.data PyGrain array-record

剖析、偵錯 Tensorboard
Utils

Common loop utils 機器學習有效處理量評估 機器學習集合

雲端專用工具
Google Cloud

Google Cloud SDK Google Cloud 儲存空間

診斷 Cloud Accelerator Diagnostics

目前的 JAX AI 圖像

應用程式層

您可以在架構層上方的應用程式層中，實作特定的機器學習工作負載。應用程式層包含應用程式專屬的程式碼、模型和邏輯，全部都是使用架構層提供的工具和程式庫建構而成。

雖然這個映像檔為 JAX 型 AI 工作負載提供了穩固且經過充分測試的基礎，但您可能需要新增應用程式專屬的依附元件。建議您盡量減少對預先設定的基本層 (包括 JAX 及其核心依附元件) 的干擾。如果引入的應用程式層級依附元件會覆寫現有依附元件，或與其衝突，可能會造成以下副作用：

  • 非預期行為：在 JAX AI 映像檔中加入其他依附元件後，機器學習工作負載的行為可能會與先前不同。
  • 效能迴歸：覆寫最佳化的 JAX 相關程式庫，可能會對 JAX AI 圖像提供的效能優勢造成負面影響
  • 穩定性問題：新增的依附元件與核心 JAX 依附元件發生衝突，可能會導致應用程式不穩定，並發生執行階段錯誤。

發布頻率

JAX AI 圖像一開始會每季提供，近期目標是與每個 JAX 版本同步發布時間表。這樣一來，您就能在第一時間享有最新功能和改善項目。

支援

每個 JAX AI 圖像版本都有一定的支援生命週期。在這段期間內，我們會處理特定類別的要求，修改現有的 JAX AI 圖片：

  • 安全漏洞：我們會優先處理在 JAX Stable Stack Docker 映像檔的基礎映像檔或依附元件中發現的安全漏洞。我們會發布更新後的映像檔，降低潛在風險。
  • 破壞性變更：如果 JAX AI 圖像使用的基礎程式庫或框架發生重大破壞性變更， Google Cloud會評估並實作必要更新，以維持相容性。這可能包括使用更新後的依附元件，重新建構 Docker 映像檔。

如果 JAII 內的程式庫發現安全漏洞或錯誤，我們會將更新後的程式庫納入 JAII，並固定所有其他程式庫版本，以維持整體穩定性。這會產生新的 JAII 修訂版本。

修訂版本最低變更幅度：

如果 JAX-0.4.30-rev1 的套件「X」有錯誤，我們會將「X」更新至下一個版本 (例如 v2.0)，同時盡可能不更動其他套件。因此，我們將盡快發布新修訂版本：JAX-0.4.30-rev2。

深度學習軟體層 (DLSL) Docker 映像檔

這些映像檔會封裝 NVIDIA CUDA、NCCL、機器學習框架和模型。提供立即可用的環境，適合深度學習工作負載。這些預先建構的 DLSL Docker 映像檔可與 GKE 叢集完美搭配，因為我們會在內部重現性和迴歸測試期間測試及驗證這些映像檔。

DLSL Docker 映像檔具備下列優點：

  • 預先設定的軟體：DLSL Docker 映像檔會複製內部重現性和迴歸測試使用的設定。這些映像檔提供預先設定、測試和最佳化的環境，可大幅節省安裝和設定的時間與精力。
  • 版本管理：DLSL Docker 映像檔會經常更新。這些版本更新提供最新穩定版架構和驅動程式，並解決安全性修補程式問題。
  • 基礎架構相容性：DLSL Docker 映像檔經過建構和測試，可與 AI Hypercomputer 提供的 GPU 機型完美搭配。
  • 快速入門指南：部分 DLSL Docker 映像檔附有範例配方，說明如何使用預先設定的映像檔啟動工作負載。

NeMo + PyTorch + NCCL gIB 外掛程式

這些 Docker 映像檔是以 NVIDIA NeMo NGC 映像檔為基礎。這些映像檔包含 Google 的 NCCL gIB 外掛程式，並隨附在各個支援的加速器機器上執行工作負載所需的所有 NCCL 二進位檔。這些映像檔也包含 Google Cloud工具，例如 gcsfuse 和 gcloud CLI，用於將工作負載部署至 Google Kubernetes Engine。

DLSL 映像檔版本 依附元件版本 機器系列 發布日期 終止支援日期 DLSL 圖片名稱
nemo25.04-gib1.0.6-A4
  • NeMo NGC:25.04.01
  • NCCL giB plugin: 1.0.6
 A4 2025 年 7 月 3 日 2026 年 7 月 3 日 us-central1-docker.pkg.dev/deeplearning-images/reproducibility/pytorch-gpu-nemo-nccl:nemo25.04-gib1.0.6-A4
nemo25.04-gib1.0.6-A3U
  • NeMo NGC:25.04.01
  • NCCL giB plugin: 1.0.6
 A3 Ultra 2025 年 7 月 3 日 2026 年 7 月 3 日 us-central1-docker.pkg.dev/deeplearning-images/reproducibility/pytorch-gpu-nemo-nccl:nemo25.04-gib1.0.6-A3U
nemo25.02-gib1.0.5-A4
  • NeMo NGC:25.02
  • NCCL giB plugin: 1.0.5
 A4 2025 年 3 月 14 日 2026 年 3 月 14 日 us-central1-docker.pkg.dev/deeplearning-images/reproducibility/pytorch-gpu-nemo-nccl:nemo25.02-gib1.0.5-A4
nemo24.07-gib1.0.2-A3U
  • NeMo NGC:24.07
  • NCCL giB plugin: 1.0.2
 A3 Ultra 2025 年 2 月 2 日 2026 年 2 月 2 日 us-central1-docker.pkg.dev/deeplearning-images/reproducibility/pytorch-gpu-nemo-nccl:nemo24.07-gib1.0.2-A3U
nemo24.07-gib1.0.3-A3U
  • NeMo NGC:24.07
  • NCCL giB plugin: 1.0.3
 A3 Ultra 2025 年 2 月 2 日 2026 年 2 月 2 日 us-central1-docker.pkg.dev/deeplearning-images/reproducibility/pytorch-gpu-nemo-nccl:nemo24.07-gib1.0.3-A3U
nemo24.12-gib1.0.3-A3U
  • NeMo NGC:24.12
  • NCCL giB plugin: 1.0.3
 A3 Ultra 2025 年 2 月 7 日 2026 年 2 月 7 日 us-central1-docker.pkg.dev/deeplearning-images/reproducibility/pytorch-gpu-nemo-nccl:nemo24.12-gib1.0.3-A3U
nemo24.07-tcpx1.0.5-A3Mega
  • NeMo NGC:24.07
  • GPUDirect-TCPX: 1.0.5
 A3 Mega 2025 年 3 月 12 日 2026 年 3 月 12 日 us-central1-docker.pkg.dev/deeplearning-images/reproducibility/pytorch-gpu-nemo-nccl:nemo24.07-tcpx1.0.5-A3Mega
nemo24.07-tcpx1.0.5-A3High
  • NeMo NGC:24.07
  • GPUDirect-TCPX: 1.0.5
 A3 High (8 個 GPU) 2025 年 3 月 12 日 2026 年 3 月 12 日 us-central1-docker.pkg.dev/deeplearning-images/reproducibility/pytorch-gpu-nemo-nccl:nemo24.07-tcpx1.0.5-A3High

NeMo + PyTorch

這個 Docker 映像檔是以 NVIDIA NeMo NGC 映像檔為基礎，並包含 Google Cloud 工具，例如 gcsfuse 和 gcloud CLI，用於將工作負載部署至 Google Kubernetes Engine。

DLSL 映像檔版本 依附元件版本 機器系列 發布日期 終止支援日期 DLSL 圖片名稱
nemo24.07--A3U NeMo NGC:24.07 A3 Ultra 2024 年 12 月 19 日 2025 年 12 月 19 日 us-central1-docker.pkg.dev/deeplearning-images/reproducibility/pytorch-gpu-nemo:nemo24.07-A3U
nemo24.07-tcpx1.0.5-A3Mega
  • NeMo NGC:24.07
  • GPUDirect-TCPX: 1.0.5
 A3 Mega 2025 年 3 月 12 日 2026 年 3 月 12 日 us-central1-docker.pkg.dev/deeplearning-images/reproducibility/pytorch-gpu-nemo:nemo24.07-tcpx1.0.5-A3Mega
nemo24.07-tcpx1.0.5-A3High
  • NeMo NGC:24.07
  • GPUDirect-TCPX: 1.0.5
 A3 High (8 個 GPU) 2025 年 3 月 12 日 2026 年 3 月 12 日 us-central1-docker.pkg.dev/deeplearning-images/reproducibility/pytorch-gpu-nemo:nemo24.07-tcpx1.0.5-A3High

MaxText + JAX 工具箱

這個 Docker 映像檔是以 NVIDIA JAX 工具箱映像檔為基礎，並包含Google Cloud 工具，例如 gcsfuse 和 gcloud CLI，用於將工作負載部署至 Google Kubernetes Engine。

DLSL 映像檔版本 依附元件版本 機器系列 發布日期 終止支援日期 DLSL 圖片名稱
toolbox-maxtext-2025-01-10-A3U JAX toolbox: maxtext-2025-01-10 A3 Ultra 2025 年 3 月 11 日 2026 年 3 月 11 日 us-central1-docker.pkg.dev/deeplearning-images/reproducibility/jax-maxtext-gpu:toolbox-maxtext-2025-01-10-A3U
jax0.5.1-cu12-A3Mega
  • JAX: 0.5.1
  • CUDA: 12.x
  • MaxText: Latest
 A3 Mega 2025 年 3 月 17 日 2026 年 3 月 17 日 us-central1-docker.pkg.dev/deeplearning-images/reproducibility/jax-gpu-maxtext:jax0.5.1-cu12-A3Mega
jax0.5.1-cu12-A3High
  • JAX: 0.5.1
  • CUDA: 12.x
  • MaxText: Latest
 A3 High (8 個 GPU) 2025 年 3 月 17 日 2026 年 3 月 17 日 us-central1-docker.pkg.dev/deeplearning-images/reproducibility/jax-gpu-maxtext:jax0.5.1-cu12-A3High

MaxText + JAX 穩定版堆疊

這個 Docker 映像檔是以 JAX 穩定堆疊和 MaxText 為基礎。這個映像檔也包含 dnsutils 等依附元件，可在 Google Kubernetes Engine 上執行工作負載。

DLSL 映像檔版本 依附元件版本 機器系列 發布日期 終止支援日期 DLSL 圖片名稱
jax-maxtext-gpu:jax0.5.1-cuda_dl25.02-rev1-maxtext-20150317
  • JAX Stable stacks:jax0.5.1-cuda_dl25.02-rev1
  • maxtext commit：54e98c9e62caa426cf5902be068533ddb4fb79f5
 A4 2025 年 3 月 17 日 2026 年 3 月 17 日 us-central1-docker.pkg.dev/deeplearning-images/reproducibility/jax-maxtext-gpu:jax0.5.1-cuda_dl25.02-rev1-maxtext-20150317

叢集部署和自動化調度管理

OS 映像檔包含所有必要的軟體元件，可在運算執行個體或 GKE 節點上部署作業系統。作業系統會管理基礎硬體資源，例如加速器和網路。為 AI 工作負載提供運算資源。

GKE 節點映像檔

GKE 會使用節點映像檔部署叢集。這些節點映像檔適用於各種作業系統，例如 Container-Optimized OS、Ubuntu 和 Windows Server。部署 GKE Autopilot 叢集所需的採用 containerd 的 Container-Optimized OS (cos_containerd) 節點映像檔，包含支援 AI 和機器學習工作負載的最佳化功能。

如要進一步瞭解這些節點映像檔，請參閱「節點映像檔」。

Slurm OS 映像檔

Slurm 叢集會在 Compute Engine 上，將運算和控制器節點部署為運算執行個體。

如要佈建 AI 最佳化 Slurm 叢集，您必須使用 Cluster Toolkit。根據預設，A4X、A4 和 A3 Ultra 叢集的叢集藍圖會部署使用預先建構 Advanced Compute Images 的運算執行個體。如果是其他機器系列，或建構 Slurm 自訂映像檔時，叢集藍圖會在部署期間自動建構自訂 OS 映像檔，在 Slurm 節點上安裝叢集和 Workload Manager 所需的系統軟體。您可以在部署前修改預設藍圖，自訂映像檔包含的軟體。

以下各節摘要說明叢集藍圖在 A4、A3 Ultra、A3 Mega 和 A3 High (8 個 GPU) Slurm 節點上安裝的軟體。叢集藍圖會擴充 Ubuntu LTS 加速器 OS 映像檔。

A4X Max

GitHub 上的 A4X Max 藍圖預設包含下列軟體：

  • Ubuntu 24.04 LTS
  • Slurm：25.05.2 版
  • 下列 Slurm 依附元件：
    • munge
    • mariadb
    • libjwt
    • lmod
  • Open MPI：5.0.x 版
  • NFS 用戶端和伺服器
  • NVIDIA 580 系列驅動程式
  • NVIDIA Enroot
  • NVIDIA Pyxis
  • 下列 NVIDIA 工具：
    • Data Center GPU Manager (dcgmi)
    • nvidia-container-toolkit：1.17.7 版
    • nvidia-imex
    • nvidia-fabricmanager
  • CUDA Toolkit：13.0 版
  • A4X Max 的 NCCL 外掛程式 (nccl-gib-a4x-max-arm64)
  • DOCA-OFED 驅動程式
  • Ops Agent
  • Cloud Storage FUSE

A4X

GitHub 提供的 A4X 藍圖預設會使用預先建構的 Advanced Compute Images。aci-gpu-u2404-slurm-2511-cuda-130-nvidia-580-arm64 映像檔系列預設包含下列軟體和設定：

  • Ubuntu 24.04 LTS (Arm64)
  • Slurm：25.11 版和所有依附元件套件
  • NVIDIA 580 系列驅動程式
  • CUDA Toolkit：13.0 版
  • NVIDIA Container Toolkit、Enroot 和 Pyxis
  • 資料中心 GPU Manager (dcgmi) 和 Fabric Manager
  • NCCL/gIB 外掛程式
  • Ops Agent
  • Cloud Storage FUSE

如要查看預先安裝工具和資訊清單詳細資料的完整清單，請參閱「Advanced Compute Images 總覽」。

A4

GitHub 提供的 A4 藍圖預設會使用預先建構的 Advanced Compute Images。aci-gpu-u2404-slurm-2511-cuda-130-nvidia-580-amd64 映像檔系列預設包含下列軟體和設定：

  • Ubuntu 24.04 LTS (x86_64)
  • Slurm：25.11 版和所有依附元件套件
  • NVIDIA 580 系列驅動程式
  • CUDA Toolkit：13.0 版
  • NVIDIA Container Toolkit、Enroot 和 Pyxis
  • 資料中心 GPU Manager (dcgmi) 和 Fabric Manager
  • NCCL/gIB 外掛程式
  • 支援 Infiniband 和多佇列網路
  • Ops Agent
  • Cloud Storage FUSE

如要查看預先安裝工具和資訊清單詳細資料的完整清單，請參閱「Advanced Compute Images 總覽」。

A3 Ultra

GitHub 提供的 A3 Ultra 藍圖預設會使用預先建構的 Advanced Compute Images。aci-gpu-u2404-slurm-2511-cuda-130-nvidia-580-amd64 映像檔系列預設包含下列軟體和設定：

  • Ubuntu 24.04 LTS (x86_64)
  • Slurm：25.11 版和所有依附元件套件
  • NVIDIA 580 系列驅動程式
  • CUDA Toolkit：13.0 版
  • NVIDIA Container Toolkit、Enroot 和 Pyxis
  • 資料中心 GPU Manager (dcgmi) 和 Fabric Manager
  • NCCL/gIB 外掛程式
  • 支援 Infiniband 和多佇列網路
  • Ops Agent
  • Cloud Storage FUSE

如要查看預先安裝工具和資訊清單詳細資料的完整清單，請參閱「Advanced Compute Images 總覽」。

A3 Mega

GitHub 提供的 A3 Mega 藍圖預設包含下列軟體：

  • Ubuntu 22.04 LTS
  • Slurm：24.11.2 版
  • 下列 Slurm 依附元件：
    • munge
    • mariadb
    • libjwt
    • lmod
  • Open MPI：最新版本的 4.1.x
  • PMIx：4.2.9 版
  • NFS 用戶端和伺服器
  • NVIDIA 550 系列驅動程式
  • NVIDIA enroot 容器執行階段：3.4.1 版
  • NVIDIA pyxis
  • 下列 NVIDIA 工具：
    • Data Center GPU Manager (dcgmi)
    • libnvidia-cfg1-550-server
    • libnvidia-nscq-550
    • nvidia-compute-utils-550-server
    • nsight-compute
    • nsight-systems
  • CUDA Toolkit：12.4 版
  • Infiniband 支援，包括 ibverbs-utils
  • TCPXO for A3 Mega：NCCL TCPXO 和 1.6 Tbps 網路堆疊的專用安裝程式
  • Ops Agent
  • Cloud Storage FUSE

A3 High (8 個 GPU)

GitHub 提供的 A3 High (8 個 GPU) 藍圖預設包含下列軟體：

  • Ubuntu 22.04 LTS
  • Slurm：24.11.2 版
  • 下列 Slurm 依附元件：
    • munge
    • mariadb
    • libjwt
    • lmod
  • Open MPI：最新版本的 4.1.x
  • PMIx：4.2.9 版
  • NFS 用戶端和伺服器
  • NVIDIA 535 或 550 系列驅動程式
  • NVIDIA enroot 容器執行階段：3.4.1 版
  • NVIDIA pyxis
  • 下列 NVIDIA 工具：
    • Data Center GPU Manager (dcgmi)
    • libnvidia-cfg1-535/550-server
    • libnvidia-nscq-535/550
    • nvidia-compute-utils-535/550-server
    • nsight-compute
    • nsight-systems
  • CUDA Toolkit：12.2 或 12.4 版
  • Infiniband 支援，包括 ibverbs-utils
  • TCPX for A3 High (8 個 GPU)：NCCL TCPX (GPUDirect-TCPX) 和 800 Gbps 網路堆疊 (4 個 NIC) 的專用安裝程式
  • Ops Agent
  • Cloud Storage FUSE

加速器 OS 映像檔

AI Hypercomputer 可讓您佈建個別運算執行個體或運算執行個體群組。如要建立這些執行個體，您必須在建立執行個體時指定 OS 映像檔。

Google Cloud 提供一套 OS 映像檔，用於建立執行個體。 Google Cloud 也提供一組專門的加速器 OS 映像檔，用於 AI 最佳化執行個體。這些加速器 OS 映像檔包含 GPU 和網路功能的核心驅動程式，例如 NVIDIA 驅動程式、Mellanox 驅動程式及其依附元件。

如要進一步瞭解各作業系統，請參閱 Compute Engine 說明文件的「作業系統詳細資料」頁面。

加速器 OS 映像檔適用於 Rocky Linux 和 Ubuntu LTS 作業系統。

Rocky Linux 加速器

各機器系列適用的 Rocky Linux 加速器 OS 映像檔如下：

基礎架構 映像檔系列 架構 機器系列 映像檔專案
叢集式 GPU rocky-linux-10-optimized-gcp-nvidia-580 x86 A4、A3 Ultra rocky-linux-accelerator-cloud
rocky-linux-10-optimized-gcp-nvidia-580-arm64 Arm A4X rocky-linux-accelerator-cloud
rocky-linux-9-optimized-gcp-nvidia-580 x86 A4、A3 Ultra rocky-linux-accelerator-cloud
rocky-linux-9-optimized-gcp-nvidia-580-arm64 Arm A4X rocky-linux-accelerator-cloud
rocky-linux-8-optimized-gcp-nvidia-580 x86 A4、A3 Ultra rocky-linux-accelerator-cloud
rocky-linux-8-optimized-gcp-nvidia-580-arm64 Arm A4X rocky-linux-accelerator-cloud

Ubuntu LTS 加速器

各機器系列適用的 Ubuntu LTS 加速器 OS 映像檔如下：

基礎架構 映像檔系列 架構 機器系列 映像檔專案
叢集式 GPU ubuntu-accelerator-2404-arm64-with-nvidia-580 Arm A4X ubuntu-os-accelerator-images
ubuntu-accelerator-2404-amd64-with-nvidia-580 x86 A4、A3 Ultra ubuntu-os-accelerator-images
ubuntu-accelerator-2204-arm64-with-nvidia-580 Arm A4X ubuntu-os-accelerator-images
ubuntu-accelerator-2204-amd64-with-nvidia-580 x86 A4、A3 Ultra ubuntu-os-accelerator-images

後續步驟