在处理 Udacity 深度学习作业时，我遇到了记忆问题。我需要切换到云平台。我之前使用过 AWS EC2，但现在我想尝试 Google Cloud Platform (GCP)。我至少需要 8GB 内存。我知道如何在本地使用 docker，但从未在云端尝试过。
- 有没有现成的解决方案可以在 GCP 上运行 Tensorflow？
- 如果不是，哪种服务（Compute Engine 或 Container Engine）更容易上手？
- 任何其他提示也表示赞赏！
问问题
6641 次
6 回答
22
总结答案：
- AI Platform Notebooks - 一键式 Jupyter Lab 环境
- 深度学习 VM 映像- 预装了 ML 库的原始 VM
- 深度学习容器镜像- DLVM 镜像的容器化版本
- 云机器学习
- 在 Compute Engine 上手动安装。请参阅下面的说明。
在 Compute Engine 上手动运行 TensorFlow 的说明：
- 创建项目
- 打开Cloud Shell（顶部的按钮）
- 列出机器类型：
gcloud compute machine-types list。您可以更改我在下一个命令中使用的机器类型。 - 创建一个实例：
gcloud compute instances create tf \
--image container-vm \
--zone europe-west1-c \
--machine-type n1-standard-2
- 运行
sudo docker run -d -p 8888:8888 --name tf b.gcr.io/tensorflow-udacity/assignments:0.5.0（将图像名称更改为所需的名称） - 在仪表板中找到您的实例并编辑
default网络。 - 添加防火墙规则以允许您的 IP 以及协议和端口
tcp:8888。 - 从仪表板中找到实例的外部 IP。
IP:8888在浏览器上打开。完毕！ - 完成后，删除创建的集群以避免收费。
我就是这样做的，而且效果很好。我相信有一种更简单的方法可以做到这一点。
更多资源
您可能有兴趣了解更多关于：
- 谷歌云壳
- 容器优化的 Google Compute Engine 映像
- 谷歌云 SDK提供更灵敏的 shell 等等。
很高兴知道
- “您的 Cloud Shell 主目录的内容在所有 Cloud Shell 会话之间的项目中持续存在，即使在虚拟机终止并重新启动之后也是如此”
- 要列出所有可用的映像版本：
gcloud compute images list --project google-containers
感谢@user728291、@MattW、@CJCullen 和@zain-rizvi
于 2016-04-29T00:36:46.867 回答
3
谷歌有一个处于有限 Alpha 阶段的Cloud ML 平台。
这是一篇关于在 Kubernetes/Google Container Engine 上运行 TensorFlow的博文和教程。
如果这些不是您想要的，TensorFlow 教程应该都可以在 AWS EC2 或 Google Compute Engine 上运行。
于 2016-04-28T20:30:40.853 回答
2
您现在还可以使用预先配置的 DeepLearning图像。他们拥有 TensorFlow 所需的一切。
于 2018-08-09T21:30:06.727 回答
1
这是一个老问题，但现在有新的、更简单的选择：
如果你想用 Jupyter Lab 运行 TensorFlow
GCP AI Platform Notebooks，让您可以点击访问预装了 Tensorflow 的 Jupyter Lab Notebook（如果您愿意，也可以使用 Pytorch、R 或其他一些库）。
如果您只想使用原始 VM
如果您不关心 Jupyer Lab，而只想要一个预装了 Tensorflow 的原始 VM，则可以改为使用 GCP 的深度学习 VM 映像创建一个 VM 。这些 DLVM 映像为您提供了一个预安装了 Tensorflow 的 VM，并且如果您愿意，它们都可以使用 GPU。（AI Platform Notebooks 在后台使用这些 DLVM 图像）
如果您想在笔记本电脑和云上运行它
最后，如果您希望能够在您的个人笔记本电脑和云中运行 tensorflow，并且可以轻松使用 Docker，您可以使用 GCP 的深度学习容器映像。它包含与 DLVM 映像完全相同的设置，但被打包为容器，因此您可以在任何您喜欢的地方启动它们。
额外好处：如果您在笔记本电脑上运行此容器映像，它是 100% 免费的：D
于 2019-08-02T22:52:29.047 回答
0
我不确定你是否需要留在谷歌云平台上。如果您能够使用其他产品，您可能会节省大量时间和金钱。
如果您使用的是 TensorFLow，我会推荐一个名为TensorPort的平台。它专门用于 TesnorFlow，是我所知道的简单平台。代码和数据是用 git 加载的，它们提供了一个 python 模块，用于在远程机器和本地机器之间自动切换路径。如果您需要，它们还提供了一些用于设置分布式计算的样板代码。希望这可以帮助。
于 2017-08-02T18:18:16.223 回答