web-dev-qa-db-ja.com

Tensorflowを実行するのに最も簡単なGoogle Cloud Platformサービスはどれですか。

Udacity深層学習の割り当てで作業しているときに、メモリの問題が発生しました。クラウドプラットフォームに切り替える必要があります。以前はAWS EC2で作業していましたが、今度はGoogle Cloud Platform(GCP)を試してみたいと思います。 8GB以上のメモリが必要です。 dockerをローカルで使用する方法を知っていますが、クラウドで試したことはありません。

  1. GCPでTensorflowを実行するための既製のソリューションはありますか?
  2. そうでない場合、どのサービス(Compute EngineまたはContainer Engine)を使用すると簡単に始められますか?
  3. 他のヒントも大歓迎です!
25
Thoran

答えを要約すると:

Compute EngineでTensorFlowを手動で実行する手順:

  1. プロジェクトを作成する
  2. Cloud Shell (上部のボタン)を開きます。
  3. マシンタイプのリスト:gcloud compute machine-types list。次のコマンドで使用したマシンタイプを変更できます。
  4. インスタンスを作成します。
gcloud compute instances create tf \
  --image container-vm \
  --zone europe-west1-c \
  --machine-type n1-standard-2
  1. Sudo docker run -d -p 8888:8888 --name tf b.gcr.io/tensorflow-udacity/assignments:0.5.0を実行します(イメージ名を目的の名前に変更します)
  2. ダッシュボード でインスタンスを見つけ、defaultネットワークを編集します。
  3. ファイアウォールルールを追加して、IPおよびプロトコルとポートtcp:8888を許可します。
  4. ダッシュボードからインスタンスの外部IPを見つけます。ブラウザでIP:8888を開きます。できた!
  5. 完了したら、作成されたクラスターを削除して課金を回避します。

これが私がやった方法で、うまくいきました。もっと簡単な方法があると思います。

その他のリソース

詳細については、以下をご覧ください。

知っておきたい

  • 「Cloud Shellホームディレクトリの内容は、仮想マシンが終了して再起動された後でも、すべてのCloud Shellセッション間でプロジェクト全体で保持されます」
  • 使用可能なすべてのイメージバージョンを一覧表示するには:gcloud compute images list --project google-containers

@ user728291、@ MattW、@ CJCullen、@ zain-rizviに感謝

22
Thoran

Google Cloud Machine Learning は、今日ベータ版で世界中に公開されています。 TensorFlow as a Serviceを提供するため、マシンやその他の生のリソースを管理する必要はありません。ベータ版リリースの一部として、Datalabが更新され、機械学習用のコマンドとユーティリティが提供されました。 http://cloud.google.com/ml で確認してください。

10
Jing Jing Long

Googleは Cloud MLプラットフォーム を限定アルファ版で提供しています。

以下は、Kubernetes/Google Container EngineでのTensorFlowの実行に関する ブログ投稿tutorial です。

これらが希望どおりでない場合は、 TensorFlow tutorials がすべてAWS EC2またはGoogle Compute Engineで実行できるはずです。

3
CJ Cullen

これで、事前構成されたDeepLearning images を使用することもできます。 TensorFlowに必要なものがすべて揃っています。

これは古い質問ですが、現在はさらに簡単な新しいオプションがあります。

Jupyter LabでTensorFlowを実行する場合

GCP AI Platform Notebooks 。TensorflowがプリインストールされているJupyter Lab Notebookにオンクリックでアクセスできます(代わりに、Pytorch、R、または他のいくつかのライブラリを使用することもできます)。

そのままのVMを使用したい場合

Jupyer Labに関心がなく、Tensorflowがプリインストールされたraw VMが必要な場合は、代わりにGCPを使用してVMを作成できます ディープラーニングVMイメージ 。これらのDLVMイメージは、VM Tensorflowがプリインストールされており、必要に応じてすべてGPUを使用するように設定されています。 (AI Platform Notebooksは内部でこれらのDLVMイメージを使用します)

ノートパソコンとクラウドの両方で実行したい場合

最後に、パーソナルラップトップとクラウドの両方でtensorflowを実行でき、Dockerを使い慣れている場合は、GCPの Deep Learning Container Images を使用できます。これにはDLVMイメージとまったく同じセットアップが含まれていますが、代わりにコンテナーとしてパッケージ化されているため、好きな場所で起動できます。

追加のメリット:このコンテナーイメージをラップトップで実行している場合、100%無料です:D

1
Zain Rizvi

Google Cloudプラットフォームを使い続ける必要があるかどうかはわかりません。他の製品を使用できる場合は、時間とお金を節約できます。

TensorFLowを使用している場合は、 TensorPort というプラットフォームをお勧めします。 TesnorFlow専用であり、私が知っている簡単なプラットフォームです。コードとデータはgitで読み込まれ、リモートマシンとローカルマシン間のパスを自動的に切り替えるpythonモジュールを提供します。また、必要に応じて、分散コンピューティングをセットアップするためのボイラープレートコードも提供します。 。 お役に立てれば。

0
Harrison