如何在Google云中设置TensorFlow？我了解如何创建Google Compute Engine实例，以及如何在本地运行TensorFlow;并且recent Google blog post建议应该有一种方法来创建Google Compute Engine实例并在云中运行TensorFlow应用程序：
机器学习项目可以有多种规模，正如我们在开源提供的TensorFlow中看到的那样，项目通常需要扩展。一些小任务最好通过在桌面上运行的本地解决方案来处理，而大规模应用程序则需要托管解决方案的规模和可靠性。 Google Cloud Machine Learning旨在支持全方位，并提供从本地到云环境的无缝过渡。
即使我对此有所了解，但鉴于微软Azure提供的竞争平台，有一种方法可以设置TensorFlow应用程序（在本地开发并“无缝地”扩展到云中） ，可能是在谷歌云中使用GPU）。
例如，我想在我的IDE中本地工作，调整我的项目的功能和代码，在那里运行有限的培训和验证，并定期将代码推送到云以在那里运行（任意）更大的资源，然后保存并下载经过培训的模型。或者甚至更好，只需使用可调资源在云中运行图形（或图形的一部分）。
有没有办法做到这一点;有计划吗？如何在Google云中设置TensorFlow？
这仍然是有限的预览。您可以做的最好的事情就是注册并希望他们选择您参与预览。
编辑：CloudML现在处于公开测试阶段，因此任何人都可以在不注册和请求访问的情况下使用它。我们希望你试一试！我们有一个问题标签：google-cloud-ml。
使用TPU加速在Google云平台上使用TensorFlow的最简单方法之一是使用ctpu命令：
https://cloud.google.com/tpu/docs/quickstart
这将创建您需要的所有内容，并将您登录到可以运行TensorFlow程序的VM。
如果您想避免使用Google云端shell，此处有关于如何从桌面运行ctpu的更多信息：
如Kubernetes blog所述，您可以在Kubernetes上运行TensorFlow。它链接到“一个step-by-step tutorial，向您展示如何创建TensorFlow服务Docker容器以服务于Inception-v3图像分类模型”，您应该能够适应运行自己的TensorFlow工作负载。您可以使用Google Container Engine在Google的云上运行Kubernetes。
或者，正如Aaron所提到的，您可以尝试注册以便及早访问Google的CloudML产品。
要按照优先顺序在Google Cloud上运行TensorFlow：
（1）使用Cloud ML Engine。这是一项完全托管的服务，支持培训和服务。您可以选择CPU，GPU和TPU。
（2）使用Deep Learning VM，它是已安装TensorFlow的Google Compute Engine实例：https://cloud.google.com/deep-learning-vm/docs/ - 您可以将GPU添加到此实例。
（3）在GKE上使用Kubeflow（Kubernetes上的TensorFlow）。