Menggunakan TensorFlow Enterprise dengan Deep Learning VM

Halaman ini memberikan ringkasan singkat tentang Deep Learning VM Images dan menjelaskan cara mulai menggunakan TensorFlow Enterprise dengan instance Deep Learning VM.

Dalam contoh ini, Anda akan membuat instance VM Deep Learning TensorFlow Enterprise, terhubung ke instance menggunakan SSH, membuka notebook JupyterLab, dan menjalankan tutorial klasifikasi tentang penggunaan jaringan saraf dengan Keras.

Ringkasan Deep Learning VM

Deep Learning VM Image adalah kumpulan image virtual machine yang dioptimalkan untuk tugas data science dan machine learning. Semua image dilengkapi dengan framework ML utama dan alat yang telah diinstal sebelumnya. Anda dapat langsung menggunakannya pada instance yang memiliki GPU untuk mempercepat tugas pemrosesan data.

Deep Learning VM Image tersedia untuk mendukung banyak kombinasi framework dan prosesor. Saat ini, tersedia image yang mendukung TensorFlow Enterprise, TensorFlow, PyTorch, dan komputasi berperforma tinggi generik, dengan versi baik untuk alur kerja khusus CPU maupun alur kerja GPU yang diaktifkan.

Untuk melihat daftar framework yang tersedia, lihat Memilih image.

Sebelum memulai

Login ke akun Google Cloud Anda. Jika Anda baru menggunakan Google Cloud, buat akun untuk mengevaluasi performa produk kami dalam skenario dunia nyata. Pelanggan baru juga mendapatkan kredit gratis senilai $300 untuk menjalankan, menguji, dan men-deploy workload.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

Roles required to select or create a project

• Select a project: Selecting a project doesn't require a specific IAM role—you can select any project that you've been granted a role on.
• Create a project: To create a project, you need the Project Creator role (roles/resourcemanager.projectCreator), which contains the resourcemanager.projects.create permission. Learn how to grant roles.

Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

Go to project selector

Verify that billing is enabled for your Google Cloud project.

Membuat instance Deep Learning VM

Untuk membuat instance VM Deep Learning TensorFlow Enterprise, selesaikan langkah-langkah berikut:

1. Buka halaman Deep Learning VM Cloud Marketplace di konsol Google Cloud .

   Buka halaman Deep Learning VM Cloud Marketplace

2. Klik Luncurkan di Compute Engine. Jika Anda melihat jendela pemilihan project, pilih project tempat instance akan dibuat. Jika ini pertama kalinya Anda meluncurkan Compute Engine, Anda harus menunggu hingga proses konfigurasi API awal selesai.

3. Di halaman New Deep Learning VM deployment, masukkan Deployment name. Ini akan menjadi root nama mesin virtual Anda. Compute Engine akan menambahkan -vm ke nama ini saat membuat instance Anda.

4. Di bagian Number of GPUs, pilih None. Anda tidak akan memerlukannya untuk menyelesaikan petunjuk dalam panduan ini.

   Catatan: Jika Anda berencana menggunakan GPU dengan instance TensorFlow Enterprise, periksa halaman kuota untuk memastikan bahwa Anda memiliki cukup GPU yang tersedia dalam project Anda. Jika GPU tidak tercantum di halaman kuota, atau Anda memerlukan kuota GPU tambahan, Anda dapat meminta penambahan kuota. Lihat Meminta kuota tambahan di halaman Kuota Resource Compute Engine.

5. Di bagian Framework, pilih TensorFlow Enterprise 2.3 (CUDA 11.0).

6. Untuk contoh ini, Anda dapat membiarkan setelan lainnya apa adanya.

7. Klik Deploy.

Anda baru saja membuat instance Deep Learning VM pertama Anda. Setelah instance dibuat, Deployment Manager akan terbuka. Di sinilah Anda dapat mengelola instance Deep Learning VM dan deployment lainnya.

Hubungkan dengan SSH, buka notebook, dan jalankan tutorial klasifikasi

Selesaikan langkah-langkah berikut untuk menyiapkan koneksi SSH ke instance VM Deep Learning, buka notebook JupyterLab, dan jalankan tutorial tentang penggunaan jaringan saraf dengan Keras:

1. Untuk menyelesaikan langkah-langkah ini, Anda dapat menggunakan Cloud Shell atau lingkungan mana pun tempat Google Cloud CLI dapat diinstal. Anda dapat menggunakan gcloud CLI untuk berinteraksi dengan instance Anda.

   • Jika Anda ingin menggunakan Cloud Shell, di Google Cloud, di sudut kanan atas, klik tombol Activate Cloud Shell.

     

   • Jika Anda ingin menggunakan gcloud CLI, download dan instal Google Cloud CLI di mesin lokal Anda.

2. Di Cloud Shell atau di jendela terminal lokal, gunakan perintah berikut untuk membuat koneksi SSH ke instance Anda. Ganti my-project-id, my-zone, dan my-instance-name dengan informasi yang relevan.

   gcloud compute ssh --project my-project-id --zone my-zone \
     my-instance-name -- -L 8080:localhost:8080
   

   Catatan: Untuk menemukan project ID Anda, klik nama project di bagian atas konsol Google Cloud . Untuk menemukan zona Anda, klik instance Anda di Deployment Manager.

3. Di browser lokal, buka http://localhost:8080 untuk mengakses notebook JupyterLab yang disertakan dalam instance Anda secara default.

4. Di notebook, di sebelah kiri, klik dua kali tutorials untuk membuka folder, lalu buka tutorials/tf2_course/01_neural_nets_with_keras.ipynb.

5. Klik tombol jalankan untuk menjalankan sel tutorial.

Langkah berikutnya

• Pelajari lebih lanjut Deep Learning VM.
• Pelajari lebih lanjut komunitas Deep Learning VM, tempat Anda dapat mendiskusikan dan mengajukan pertanyaan tentang Deep Learning VM.
• Mulai menggunakan TensorFlow Enterprise dengan Deep Learning Containers.