Utilizzo di TensorFlow Enterprise con Deep Learning VM

Questa pagina fornisce una breve panoramica delle Deep Learning VM Images e descrive come iniziare a utilizzare TensorFlow Enterprise con un'istanza Deep Learning VM.

In questo esempio, crei un'istanza VM di Deep Learning di TensorFlow Enterprise, ti connetti all'istanza utilizzando SSH, apri un notebook JupyterLab ed esegui un tutorial di classificazione sull'utilizzo di reti neurali con Keras.

Panoramica di Deep Learning VM

Deep Learning VM Images è un insieme di immagini di macchine virtuali ottimizzate per le attività di data science e machine learning. Tutte le immagini sono dotate di framework ML e strumenti chiave preinstallati. Puoi utilizzarli immediatamente sulle istanze con GPU per accelerare le attività di elaborazione dei dati.

Sono disponibili immagini VM di Deep Learning per supportare molte combinazioni di framework e processore. Al momento sono disponibili immagini che supportano TensorFlow Enterprise, TensorFlow, PyTorch e il computing generico ad alte prestazioni, con versioni per flussi di lavoro solo con CPU e abilitati per GPU.

Per visualizzare un elenco dei framework disponibili, consulta Scelta di un'immagine.

Prima di iniziare

Accedi al tuo account Google Cloud . Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti senza costi per l'esecuzione, il test e il deployment dei 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.

Crea un'istanza Deep Learning VM

Per creare un'istanza Deep Learning VM di TensorFlow Enterprise, completa questi passaggi:

1. Vai alla pagina Cloud Marketplace delle VM di deep learning nella console Google Cloud .

   Vai alla pagina Cloud Marketplace di Deep Learning VM

2. Fai clic su Avvia su Compute Engine. Se viene visualizzata una finestra di selezione del progetto, scegli il progetto in cui creare l'istanza. Se è la prima volta che avvii Compute Engine, devi attendere il completamento della procedura di configurazione iniziale dell'API.

3. Nella pagina Nuovo deployment di Deep Learning VM, inserisci un nome del deployment. Questa sarà la radice del nome della macchina virtuale. Quando crea l'istanza, Compute Engine aggiunge -vm a questo nome.

4. Nella sezione Numero di GPU, seleziona Nessuno. Non ti serviranno per completare le istruzioni di questa guida.

   Nota :se prevedi di utilizzare le GPU con l'istanza TensorFlow Enterprise, controlla la pagina Quote per assicurarti di disporre di un numero sufficiente di GPU nel progetto. Se le GPU non sono elencate nella pagina Quote o se hai bisogno di una quota di GPU aggiuntiva, puoi richiedere un aumento della quota. Consulta la sezione Richiesta di quota aggiuntiva nella pagina Quote delle risorse di Compute Engine.

5. In Framework, seleziona TensorFlow Enterprise 2.3 (CUDA 11.0).

6. Per questo esempio, puoi lasciare invariate le altre impostazioni.

7. Fai clic su Esegui il deployment.

Hai appena creato la tua prima istanza di una Deep Learning VM. Una volta creata l'istanza, si apre Deployment Manager. Qui puoi gestire la tua istanza VM Deep Learning e altri deployment.

Connettiti con SSH, apri un notebook ed esegui un tutorial sulla classificazione

Completa questi passaggi per configurare una connessione SSH alla tua istanza VM Deep Learning, aprire un notebook JupyterLab ed eseguire un tutorial sull'utilizzo delle reti neurali con Keras:

1. Per completare questi passaggi, puoi utilizzare Cloud Shell o qualsiasi ambiente in cui è possibile installare Google Cloud CLI. Puoi utilizzare gcloud CLI per interagire con l'istanza.

   • Se vuoi utilizzare Cloud Shell, in Google Cloud, nell'angolo in alto a destra, fai clic sul pulsante Attiva Cloud Shell.

     

   • Se vuoi utilizzare gcloud CLI, scarica e installa Google Cloud CLI sulla tua macchina locale.

2. In Cloud Shell o in una finestra del terminale locale, utilizza questo comando per creare una connessione SSH alla tua istanza. Sostituisci my-project-id, my-zone e my-instance-name con le informazioni pertinenti.

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

   Nota: per trovare l'ID progetto, fai clic sul nome del progetto nella parte superiore della console Google Cloud . Per trovare la tua zona, fai clic sulla tua istanza in Deployment Manager.

3. Nel browser locale, visita la pagina http://localhost:8080 per accedere a un notebook JupyterLab incluso per impostazione predefinita nella tua istanza.

4. Nel notebook, a sinistra, fai doppio clic su tutorials per aprire la cartella, quindi vai a tutorials/tf2_course/01_neural_nets_with_keras.ipynb e aprilo.

5. Fai clic sul pulsante Esegui per eseguire le celle del tutorial.

Passaggi successivi

• Scopri di più su Deep Learning VM.
• Scopri di più sulla community di Deep Learning VM, dove puoi discutere e porre domande su Deep Learning VM.
• Inizia a utilizzare TensorFlow Enterprise con Deep Learning Containers.