哪种Google Cloud Platform服务最适合运行Tensorflow？

Question

在开展Udacity深度学习任务时，我遇到了内存问题。我需要切换到云平台。之前我曾使用AWS EC2，但现在我想尝试使用Google Cloud Platform（GCP）。我需要至少8GB的内存。我知道如何在本地使用docker但从未在云上试过它。

1. 是否有在GCP上运行Tensorflow的现成解决方案？
2. 如果没有，哪个服务（计算引擎或容器引擎）会让它更容易上手？
3. 任何其他提示也不胜感激！

Answer 1

总结答案：

• Datalab
• Cloud ML
• 在Compute Engine上手动安装。请参阅以下说明。

在计算引擎上运行TensorFlow的分步说明：

1. Create a project
2. 打开Cloud Shell（顶部的按钮）
3. 列出机器类型：gcloud compute machine-types list。您可以更改我在下一个命令中使用的机器类型。
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（将图像名称更改为所需的图像名称）
2. 在dashboard中修改您的实例并修改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. 从仪表板中查找实例的外部IP。在浏览器中打开IP:8888。完成！
5. 完成后，删除已创建的群集以避免收费。

这就是我做到的方式而且有效。我相信有一种更简单的方法可以做到。

更多资源

您可能有兴趣了解更多信息：

• Google Cloud Shell
• Container-Optimized Google Compute Engine Images
• Google Cloud SDK以获得更具响应性的shell以及更多内容。

很高兴知道

• “即使在虚拟机终止并重新启动后，您的Cloud Shell主目录的内容仍会在所有Cloud Shell会话之间的项目中保留”
• 列出所有可用的图片版本：gcloud compute images list --project google-containers

感谢@ user728291，@ Matatt。和@CJCullen。

Answer 2

Google Cloud Machine Learning今天以Beta格式向全世界开放。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已经更新，为机器学习提供命令和实用程序。请查看：http://cloud.google.com/ml。

Answer 3

Google在有限的Alpha中有Cloud ML platform。

以下是关于在Kubernetes / Google容器引擎上运行TensorFlow的blog post和tutorial。

如果这些不是您想要的，那么TensorFlow tutorials应该都可以在AWS EC2或Google Compute Engine上运行。

Answer 4

您现在还可以使用预先配置的DeepLearning images。它们具有TensorFlow所需的一切。

Answer 5

这是一个古老的问题，但是现在有了新的甚至更简单的选项：

如果要通过Jupyter Lab运行TensorFlow

GCP AI Platform Notebooks，使您可以单击访问预装Tensorflow的Jupyter Lab笔记本（如果愿意，也可以使用Pytorch，R或其他一些库）。

如果您只想使用原始VM

如果您不关心Jupyer Lab，而只想预装Tensorflow的原始VM，则可以使用GCP的Deep Learning VM Image创建VM。这些DLVM映像为您提供了一个预装有Tensorflow的VM，并且可以根据需要将其全部设置为使用GPU。 （AI平台笔记本在后台使用这些DLVM图像）

如果您想同时在笔记本电脑和云上运行它

最后，如果您希望既可以在个人笔记本电脑上也可以在云中运行tensorflow并且可以轻松使用Docker，则可以使用GCP的Deep Learning Container Images。它包含与DLVM映像完全相同的设置，但打包为容器，因此您可以在任意位置启动它们。

额外的好处：如果您在笔记本电脑上运行此容器映像，则它是100％免费的：D

Answer 6

我不确定您是否需要留在Google云端平台上。如果您能够使用其他产品，您可以节省大量时间和一些钱。

如果您使用的是TensorFLow，我会推荐一个名为TensorPort的平台。它专门用于TesnorFlow，是我所知道的简单平台。代码和数据使用git加载，它们提供了一个python模块，用于自动切换远程和本地计算机之间的路径。如果需要，它们还提供一些锅炉板代码，用于设置分布式计算。希望这可以帮助。