TensorFlow Enterprise mit Deep Learning VM verwenden

Auf dieser Seite finden Sie eine kurze Übersicht über Deep Learning VM-Images und eine Beschreibung der ersten Schritte mit TensorFlow Enterprise mit einer Deep Learning VM-Instanz.

In diesem Beispiel erstellen Sie eine TensorFlow Enterprise Deep Learning VM-Instanz, stellen über SSH eine Verbindung zur Instanz her, öffnen ein JupyterLab-Notebook und führen eine Klassifizierungsanleitung zur Verwendung von neuronalen Netzen mit Keras aus.

Übersicht über Deep Learning VM

Deep Learning VM-Images sind virtuelle Maschinen-Images, die für Aufgaben in den Bereichen Data Science und maschinelles Lernen optimiert sind. Alle Images enthalten vorinstallierte zentrale ML-Frameworks und -Tools. Sie können diese sofort in Instanzen mit GPUs verwenden, um die Datenverarbeitung zu beschleunigen.

Deep Learning VM Images unterstützen viele Framework/Prozessor-Kombinationen. Derzeit gibt es Images, die TensorFlow Enterprise, TensorFlow, PyTorch und generisches Hochleistungs-Computing unterstützen. Einige Versionen unterstützen sowohl ausschließlich CPU-basierte als auch GPU-fähige Workflows.

Eine Liste der verfügbaren Frameworks finden Sie unter Image auswählen.

Hinweis

Melden Sie sich in Ihrem Google Cloud Konto an. Wenn Sie noch kein Google Cloud-Kunde sind, erstellen Sie ein Konto, um zu sehen, wie sich unsere Produkte in realen Szenarien schlagen. Neukunden erhalten außerdem ein Guthaben von 300 $, um Arbeitslasten auszuführen, zu testen und bereitzustellen.

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.

Deep Learning VM-Instanz erstellen

Führen Sie die folgenden Schritte aus, um eine TensorFlow Enterprise Deep Learning VM-Instanz zu erstellen:

1. Rufen Sie in der Google Cloud Console die Seite „Deep Learning VM Cloud Marketplace “ auf.

   Zur Seite „Deep Learning VM Cloud Marketplace“

2. Klicken Sie auf In Compute Engine starten. Wählen Sie im aufgerufenen Fenster zur Projektauswahl das Projekt aus, in dem die Instanz erstellt werden soll. Wenn Sie Compute Engine zum ersten Mal starten, müssen Sie warten, bis der erste API-Konfigurationsvorgang abgeschlossen ist.

3. Geben Sie auf der Seite Bereitstellung der neuen Deep Learning-VM einen Bereitstellungsnamen ein. Er dient als Stamm für den Namen Ihrer virtuellen Maschine. Compute Engine fügt bei der Erstellung der Instanz das Suffix -vm an.

4. Wählen Sie unter Anzahl der GPUs die Option Keine aus. Sie benötigen sie nicht, um die Anleitung in diesem Leitfaden auszuführen.

   Hinweis: Wenn Sie mit Ihrer TensorFlow Enterprise-Instanz GPUs verwenden möchten, prüfen Sie auf der Seite „Kontingente“, ob in Ihrem Projekt genügend GPUs verfügbar sind. Wenn auf der Seite „Kontingente“ keine GPUs aufgeführt sind oder Sie zusätzliche GPU-Kontingente benötigen, können Sie eine Erhöhung des Kontingents beantragen. Informationen dazu finden Sie auf der Compute Engine-Seite Ressourcenkontingente unter Weitere Kontingente anfordern.

5. Wählen Sie unter Framework die Option TensorFlow Enterprise 2.3 (CUDA 11.0) aus.

6. In diesem Beispiel können Sie die übrigen Einstellungen unverändert lassen.

7. Klicken Sie auf Bereitstellen.

Damit haben Sie die erste Instanz einer Deep Learning-VM erstellt. Nachdem die Instanz erstellt wurde, wird der Deployment Manager geöffnet. Hier können Sie Ihre Deep Learning VM-Instanz und andere Bereitstellungen verwalten.

Über SSH verbinden, Notebook öffnen und Klassifizierungsanleitung ausführen

Führen Sie die folgenden Schritte aus, um eine SSH-Verbindung zu Ihrer Deep Learning VM-Instanz einzurichten, ein JupyterLab-Notebook zu öffnen und eine Anleitung zur Verwendung von neuronalen Netzen mit Keras auszuführen:

1. Sie können zum Ausführen dieser Schritte entweder Cloud Shell oder eine Umgebung verwenden, in der das Google Cloud CLI installiert werden kann. Sie können die gcloud CLI verwenden, um mit Ihrer Instanz zu interagieren.

   • Wenn Sie Cloud Shell verwenden möchten, klicken Sie Google Cloudrechts oben auf die Schaltfläche Cloud Shell aktivieren.

     

   • Wenn Sie die gcloud CLI verwenden möchten, laden Sie das Google Cloud CLI herunter und installieren Sie es auf Ihrem lokalen Computer.

2. Verwenden Sie in Cloud Shell oder in einem lokalen Terminalfenster den folgenden Befehl, um eine SSH-Verbindung zu Ihrer Instanz herzustellen. Ersetzen Sie „my-project-id“, „my-zone“, „ “ und „my-instance-name“ durch die entsprechenden Informationen.

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

   Hinweis: Ihre Projekt-ID finden Sie oben in der Console, wenn Sie auf den Projektnamen klicken. Google Cloud Ihre Zone finden Sie, wenn Sie im Deployment Manager auf Ihre Instanz klicken.

3. Rufen Sie in Ihrem lokalen Browser http://localhost:8080 auf, um auf ein JupyterLab-Notebook zuzugreifen, das standardmäßig in Ihrer Instanz enthalten ist.

4. Doppelklicken Sie im Notebook links auf tutorials , um den Ordner zu öffnen, und rufen Sie tutorials/tf2_course/01_neural_nets_with_keras.ipynb auf.

5. Klicken Sie auf die Schaltfläche „Ausführen“ , um die Zellen der Anleitung auszuführen.

Nächste Schritte

• Weitere Informationen zu Deep Learning VM.
• Weitere Informationen zur Deep Learning VM Community, in der Sie sich austauschen und Fragen zu Deep Learning VM stellen können.
• Erste Schritte mit TensorFlow Enterprise mit Deep Learning-Containern.