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!
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。
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。gcloud compute instances create tf \
--image container-vm \
--zone europe-west1-c \
--machine-type n1-standard-2
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)default
网络。tcp:8888
。IP:8888
在浏览器上打开。完毕!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。
您可能有兴趣了解更多关于:
gcloud compute images list --project google-containers
感谢@user728291、@MattW、@CJCullen 和@zain-rizvi
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。
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。
这是一个老问题,但现在有新的、更简单的选择:
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)
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
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。