tensorflow - google - machine learning engine
¿Qué servicio de Google Cloud Platform es el más fácil para ejecutar Tensorflow? (5)
Mientras trabajaba en las asignaciones de Udacity Deep Learning, encontré un problema de memoria. Necesito cambiar a una plataforma en la nube. Trabajé anteriormente con AWS EC2, pero ahora me gustaría probar Google Cloud Platform (GCP). Necesitaré al menos 8GB de memoria. Sé cómo usar el acoplador local pero nunca lo intenté en la nube.
- ¿Hay alguna solución preparada para ejecutar Tensorflow en GCP?
- De lo contrario, ¿qué servicio (Compute Engine o Container Engine) facilitaría el inicio?
- ¡Cualquier otro consejo también es apreciado!
Resumiendo las respuestas:
Instrucciones paso a paso para ejecutar TensorFlow en Compute Engine:
- Crea un proyecto
- Abra Cloud Shell (un botón en la parte superior)
- Listar tipos de máquinas:
gcloud compute machine-types list. Puede cambiar el tipo de máquina que utilicé en el próximo comando. - Crea una instancia:
gcloud compute instances create tf /
--image container-vm /
--zone europe-west1-c /
--machine-type n1-standard-2
- Ejecute
sudo docker run -d -p 8888:8888 --name tf b.gcr.io/tensorflow-udacity/assignments:0.5.0(cambie el nombre de la imagen por el deseado) - Encuentre su instancia en el dashboard y edite la red
default. - Agregue una regla de firewall para permitir su IP así como también el protocolo y el puerto
tcp:8888. - Encuentra la IP externa de la instancia desde el tablero. Abra
IP:8888en su navegador. ¡Hecho! - Cuando haya terminado, elimine el clúster creado para evitar cargos.
Así es como lo hice y funcionó. Estoy seguro de que hay una manera más fácil de hacerlo.
Más recursos
Es posible que le interese saber más sobre:
- Google Cloud Shell
- Imágenes de Google Compute Engine optimizadas para contenedores
- Google Cloud SDK para obtener un shell más receptivo y más.
Bueno saber
- "Los contenidos de su directorio personal de Cloud Shell persisten en todos los proyectos entre todas las sesiones de Cloud Shell, incluso después de que la máquina virtual finaliza y se reinicia"
- Para enumerar todas las versiones de imágenes disponibles:
gcloud compute images list --project google-containers
Gracias a @ user728291, @MattW. y @CJCullen.
Ahora también puede usar images DeepLearning preconfiguradas. Tienen todo lo que se requiere para TensorFlow.
Google tiene una plataforma Cloud ML en un Alpha limitado.
Aquí hay una publicación de blog y un tutorial sobre la ejecución de TensorFlow en Kubernetes / Google Container Engine.
Si no es lo que quiere, los tutoriales de TensorFlow deberían poder ejecutarse en AWS EC2 o Google Compute Engine.
No estoy seguro de si es necesario que permanezca en la plataforma Google Cloud. Si puede usar otros productos, puede ahorrar mucho tiempo y algo de dinero.
Si está usando TensorFLow, recomendaría una plataforma llamada TensorPort . Es exclusivamente para TesnorFlow y es la plataforma fácil de la que soy consciente. El código y los datos se cargan con git y proporcionan un módulo de python para alternar automáticamente las rutas entre el control remoto y su máquina local. También proporcionan algún código de placa de caldera para configurar informática distribuida si la necesita. Espero que esto ayude.
Google Cloud Machine Learning está abierto al mundo en forma Beta hoy en día. Proporciona TensorFlow como un servicio para que no tenga que administrar máquinas y otros recursos sin procesar. Como parte del lanzamiento de Beta, Datalab se ha actualizado para proporcionar comandos y utilidades para el aprendizaje automático. Compruébelo en: http://cloud.google.com/ml .