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。

哪种Tensorflow最简单的Google Cloud Platform服务?

共 4 个回答
高赞
时间
活跃
0

0

总结答案:
- AI平台笔记本 -一键式Jupyter Lab环境
- 深度学习VM映像 -预装有ML库的原始VM
- 深度学习容器映像 -DLVM映像的容器化版本
- 云ML
- 在Compute Engine上手动安装。请参阅下面的说明。
在Compute Engine上手动运行TensorFlow的说明:
- 建立专案
- 打开Cloud Shell (顶部的按钮)
- 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。 - 创建一个实例:
gcloud compute instances create tf \
--image container-vm \
--zone europe-west1-c \
--machine-type n1-standard-2
- 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) - 在仪表板中找到您的实例并编辑
default
网络。 - 添加防火墙规则以允许您的IP以及协议和端口
tcp:8888
。 - 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! - 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:
- Google Cloud Shell
- 容器优化的Google Compute Engine图片
- Google Cloud SDK可提供更灵敏的Shell等。
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
0

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。
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
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。