哪种Tensorflow最简单的Google Cloud Platform服务?
tensorflow
6
0

在处理Udacity深度学习作业时,我遇到了内存问题。我需要切换到云平台。我以前使用过AWS EC2,但现在我想尝试使用Google Cloud Platform(GCP)。我至少需要8GB的内存。我知道如何在本地使用docker,但从未在云上尝试过。

  1. 是否有在GCP上运行Tensorflow的现成解决方案?
  2. 如果没有,哪种服务(计算机引擎或容器引擎)将使其更容易上手?
  3. 任何其他技巧也表示赞赏!
参考资料:
Stack Overflow
收藏
评论
共 4 个回答
高赞 时间 活跃

Google Cloud Machine Learning今天以Beta版向世界开放。它提供TensorFlow即服务,因此您不必管理机器和其他原始资源。作为Beta版本的一部分,Datalab已更新,以提供用于机器学习的命令和实用程序。请访问http://cloud.google.com/ml进行检查。

收藏
评论

总结答案:

在Compute Engine上手动运行TensorFlow的说明:

  1. 建立专案
  2. 打开Cloud Shell (顶部的按钮)
  3. 列出计算机类型: gcloud compute machine-types list 。您可以更改我在下一条命令中使用的计算机类型。
  4. 创建一个实例:
gcloud compute instances create tf \
  --image container-vm \
  --zone europe-west1-c \
  --machine-type n1-standard-2
  1. 运行sudo docker run -d -p 8888:8888 --name tf b.gcr.io/tensorflow-udacity/assignments:0.5.0 (将映像名称更改为所需的名称)
  2. 仪表板中找到您的实例并编辑default网络。
  3. 添加防火墙规则以允许您的IP以及协议和端口tcp:8888
  4. 从仪表板中找到实例的外部IP。在浏览器上打开IP:8888 。做完了!
  5. 完成后,请删除创建的集群以避免收费。

这就是我做到的方法,并且有效。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有关以下方面的信息:

很高兴知道

  • “即使虚拟机终止并重新启动之后,Cloud Shell主目录的内容也会在所有Cloud Shell会话之间的项目之间持久存在”
  • 列出所有可用的图像版本: gcloud compute images list --project google-containers

感谢@ user728291,@ MattW,@ CJCullen和@ zain-rizvi

收藏
评论

Google在受限的Alpha中拥有Cloud ML平台

这是有关在Kubernetes / Google容器引擎上运行TensorFlow的博客文章教程

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。

收藏
评论

现在,您还可以使用预先配置的DeepLearning 映像 。它们具有TensorFlow所需的一切。

收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题

关于我们

常见问题

内容许可

联系我们

@2020 AskGo
京ICP备20001863号