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)。