问题标签 [google-dl-platform]

我正在使用谷歌云。有没有一种简单的方法来创建一个带有 GPU 的虚拟机，并且预装了 TensorFlow 或 pytorch？

我正在使用说明从 Cloud Shell 启动深度学习图像：

虚拟机启动，我可以通过 ssh 访问它并看到 Jupyter Lab 正在运行。

但是，我无法从 Cloud Shell 进行 WebPreview 以连接到它。我究竟做错了什么？

如果存在这样的图像，我在哪里可以找到它？

其次，挑战具有 3D 渲染/视频输出组件这一事实是否意味着制作这样的图像会特别困难？

挑战：https ://www.crowdai.org/challenges/nips-2018-ai-for-prosthetics-challenge

在我的本地机器上，我进行了设置，以便在进行 ML 测试时将这些依赖项安装在虚拟环境中

我有脚本可以通过、制作 venv、安装需求和执行培训。如果我可以在任何地方使用这些脚本，包括在谷歌深度学习平台虚拟机上，那就太好了，但是当我尝试在 venv 中安装 tensorflow 时，它不再使用 GPU，所以我假设它不再使用系统安装张量流。

我还尝试了这个--system-site-packages标志，它说 tensorflow 已经安装，但后来它停止使用 GPU。

假设我执行以下操作

对于所有依赖项 tensorflow，它表明它存在于系统上，因此它不会安装它们，但它会继续安装 tensorflow。这是为什么？

我已经按照文档的指示从“深度学习虚拟机映像”成功设置了 GCP 实例。我在以下路径中有一个 ipython 笔记本文件：

/home/myname/my-notebook.ipynb

当我http://localhost:8080/在我的网络浏览器上访问时，jupyter UI 显示正常，但我可以访问的唯一目录是/opt/deeplearning/workspace/tutorials.

我试过使用file > "Open From Path..."，但用户界面说找不到该文件。

如何访问我存储的笔记本/home/myname/？

我今天安装了最新的 Google Cloud Deep Learning VM Image，VM 启动后，我可以sudo -i通过 SSH web 成功完成。登录后，我开始在后台运行我的 Tensorflow 模型训练（使用 &）。几个小时后，我无法以 root 身份登录。我收到以下消息：

我试过了：

• sudo -i
• su sudo -i
• su root

我能够复制这个问题。有什么建议么？

使用普通的 tf1.11 运行宽、线性和深度模型推理，该模型预构建了用于 gpu 的深度学习图像版本 M9，相对于版本 M10（用于 cpu 推理）显示出更好的性能

M9：tf-最新-cu92

M10：tf-最新的 CPU

在这两个图像中，tf 版本都是 1.11，并且它们预先构建了英特尔 mkl 优化的二进制文件。我打开 mkl 指令的详细日志记录，在 M10 图像上我看到很多 mkl 相关设置

并用时间记录 mkl 指令。在 M9 图像上我没有观察到任何这样的事情，即使两个图像都显示版本信息为：

当使用 intel mkl 指令而不是 M9 图像时，我看到性能降低了 2-4 倍。注意：即使 M9 图像适用于 gpu，我也关闭了 cuda 设备可见性和仅对 cpu 推理进行基准测试。在干净的 virtualenv 中使用 tf 1.11 的 pip install 在另一个 linux 机器上进行了相同的观察。

关于如何调试或充分利用英特尔 mkl 库的任何见解。

我正在使用深度学习图像，同时还提交了一个启动脚本来处理一些自定义，但它似乎是并行运行的，这会导致一些锁定条件。有推荐的解决方法吗？

我正在使用 Tensorflow/CUDA 10.0 运行 Google 的预构建深度学习图像。我收到此错误消息：

我正在尝试使用 GCloud 的深度学习 VM 映像。我对 8 辆 Tesla K80 的请求获得批准。但是，当我尝试使用单个 GPU 创建实例时，我收到一条错误消息，指出已超出全局 GPU 限制 0。

具体的错误语句：错误：（gcloud.compute.instances.create）无法获取资源：-超出配额'GPUS_ALL_REGIONS'。限制：全局 0.0。

我为创建 VM 编写的代码是这样的：

此代码片段来自： https ://cloud.google.com/deep-learning-vm/docs/quickstart-cli

感谢您的时间和精力。