问题标签 [gcp-ai-platform-notebook]

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。

1. 有没有现成的解决方案可以在 GCP 上运行 Tensorflow？
2. 如果不是，哪种服务（Compute Engine 或 Container Engine）更容易上手？
3. 任何其他提示也表示赞赏！

关注这篇关于创建新 VM 并尝试在 GCP 上启动 Jupyter 笔记本的博文。 https://medium.com/@kn.maragatham09/installing-jupyter-notebook-on-google-cloud-11979e40cd10 收到此错误消息

我目前正在使用 GCP 在 Google 提供的笔记本服务器上运行 Jupyter 笔记本。每次我在命令行中打开笔记本服务器时，当我端出现网络中断或断电时，它就会关闭。我对 GCP 也很天真。

有什么方法可以让我在服务器上运行 Ipython 笔记本，然后收集结果而不必担心其他任何事情？

提前致谢！

我按照这里的教程在 GCP 上设置了一个 jupyter 笔记本：https ://towardsdatascience.com/running-jupyter-notebook-in-google-cloud-platform-in-15-min-61e16da34d52

我可以成功运行笔记本，但出现警告：
警告：笔记本服务器正在侦听所有 IP 地址并且未使用加密。不建议这样做。
警告：笔记本服务器正在侦听所有 IP 地址并且未使用身份验证。这是非常不安全的，不推荐。

我怎样才能摆脱这些警告？它们也出现在教程中，我宁愿没有它们，这样我才能安全。

谢谢，

GCP 终于发布了托管的 Jupyter 笔记本。我希望能够通过连接到笔记本在本地与它进行交互。IE。我使用 PyCharm 通过传递其 URL 和令牌参数来连接到外部配置的 jupyter notebbok 服务器。

问题也适用于 AWS Sagemaker 笔记本。

我正在使用 Google 的 AI Platform Notebook（目前仍处于测试阶段）。我上传了一个依赖于 sklearn_pandas 的 python 脚本，我收到了这个错误：

然后我尝试 pip 安装它：

我重新启动了内核，但它仍然得到相同的 ImportError。我这样做是为了确认确实安装了 sklearn pandas：

有人试过这个吗？在此之前我使用过google colab，我从来没有遇到过这样的困难。如果 Google colab 级别的用户体验可以移植到这个 beta 产品中，那就太好了。我认为这可能是一个一般的 python 模块导入问题，而不仅仅是 sklearn_pandas。

我正在变成 GCP“谷歌云平台”来使用谷歌强大的 GPU 训练 Keras 模型，为此我创建了一个运行JupyterLab notebook的 VM 实例。

我发现我自己无法访问存储为谷歌存储桶的数据。

我发现这个小文档，在 python 下，它们定义了两个函数，允许创建和填充数据集。我的问题是我无法安装datalabeling_v1beta1模块。

我已经尝试了下面的命令，但没有结果。

我是 GCP 新手，所以我对术语真的不太了解，我目前的目标是上传我的数据集，以便能够像在 Google Colab 或本地机器上一样使用它。

我在 Google Cloud AI Platform 中创建了一个笔记本实例。

我一定遗漏了一些非常明显的东西，但是有人可以告诉我如何授予用户帐户访问 JupyterLab 的权限。我可以在我的 google 帐户中自己访问它，但其他用户不能，即使设置了 Compute Engine Admin 也是如此。

当用户在实例上单击“Open Jupyter Lab”时，会出现 403。

谢谢，

我正在使用 Google Cloud Platform 为问题制作机器学习模型。数据集很大，模型需要很多小时来训练。

我找到了我们可以使用screen命令保持笔记本运行的方法，以便 SSH 不会因连接失败而终止。

但是，在我detach从屏幕上reattach一次又一次之后，代码保持运行，但jupyter 笔记本的输出单元消失了。

稍后重新附加到屏幕会话后，如何使笔记本中的输出单元格出现？

注意：我是 GCP 的新手，在此先感谢...

我tf.estimator在 Google AI Platform 上使用 API 和 TensorFlow 1.13 来构建 DNN 二进制分类器。出于某种原因，我没有得到eval图表，但我得到了training图表。

这里有两种不同的训练方法。第一个是普通的python方法，第二个是在本地模式下使用GCP AI Platform。

请注意，在任何一种方法中，评估都只是最终结果的一个点。我期待一个类似于训练的情节，它将是一条曲线。

最后，我展示了性能指标的相关模型代码。

普通的python笔记本方法：

本地 gcloud (GCP) ai-platform 方法：

性能指标代码

和

训练和评估过程中使用的方法

使用 tf.estimator 的 DNN 二元分类器

model_trained/eval 目录中文件的屏幕截图。

只有这个文件在这个目录中。它被命名为 model_trained/eval/events.out.tfevents.1561296248.myhostname.local 并且看起来像