Utiliser TensorFlow Enterprise avec une VM de deep learning

Cette page fournit une brève présentation de Deep Learning VM Images et explique comment commencer à utiliser TensorFlow Enterprise avec une instance Deep Learning VM.

Dans cet exemple, vous allez créer une instance Deep Learning VM TensorFlow Enterprise, vous y connecter à l'aide de SSH, ouvrir un notebook JupyterLab et exécuter un tutoriel de classification sur l'utilisation de réseaux de neurones avec Keras.

Présentation de Deep Learning VM

Deep Learning VM Images est un ensemble d'images de machines virtuelles optimisées pour les tâches de data science et de machine learning. Toutes les images sont livrées avec des outils et des frameworks de ML clés pré-installés. Vous pouvez les utiliser directement sur les instances dotées de GPU pour accélérer vos tâches de traitement de données.

Les instances Deep Learning VM Image sont compatibles avec de nombreuses combinaisons de framework et de processeur. Il existe actuellement des images compatibles avec TensorFlow Enterprise, TensorFlow, PyTorch et le calcul hautes performances générique, dans des versions pour les workflows reposant uniquement sur le processeur ou utilisant des GPU.

Pour afficher la liste des frameworks disponibles, consultez la page Choisir une image.

Avant de commencer

  1. Connectez-vous à votre Google Cloud compte. Si vous n'avez jamais utilisé Google Cloud, créez un compte pour évaluer les performances de nos produits dans des scénarios réels. Les nouveaux clients bénéficient également de 300 $de crédits sans frais pour exécuter, tester et déployer des charges de travail.

  2. 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.

    Go to project selector

  3. Verify that billing is enabled for your Google Cloud project.

  4. 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.

    Go to project selector

  5. Verify that billing is enabled for your Google Cloud project.

Créer une instance Deep Learning VM

Pour créer une instance Deep Learning VM TensorFlow Enterprise, procédez comme suit :

  1. Accédez à la page Deep Learning VM de Cloud Marketplace dans la Google Cloud console.

    Accéder à la page Deep Learning VM de Cloud Marketplace

  2. Cliquez sur Lancer sur Compute Engine. Si vous voyez une fenêtre de sélection de projet, choisissez le projet dans lequel créer l'instance. Si vous lancez Compute Engine pour la première fois, vous devez attendre la fin du processus de configuration initiale de l'API.

  3. Sur la page New Deep Learning VM deployment (Nouveau déploiement Deep Learning VM), saisissez un nom de déploiement. Il correspond à la racine du nom de votre machine virtuelle. Compute Engine ajoute -vm à ce nom lors de la création de votre instance.

  4. Sous Number of GPUs (Nombre de GPU), sélectionnez None (Aucun). Vous n'en aurez pas besoin pour suivre les instructions de ce guide.

  5. Sous Framework, sélectionnez TensorFlow Enterprise 2.3 (CUDA 11.0).

  6. Pour cet exemple, vous pouvez laisser les autres paramètres tels quels.

  7. Cliquez sur Déployer.

Vous venez de créer votre première instance Deep Learning VM. Une fois l'instance créée, le Deployment Manager s'ouvre. Vous pouvez y gérer votre instance Deep Learning VM et d'autres déploiements.

Se connecter avec SSH, ouvrir un notebook et exécuter un tutoriel de classification

Procédez comme suit pour configurer une connexion SSH à votre instance Deep Learning VM, ouvrir un notebook JupyterLab et exécuter un tutoriel sur l'utilisation de réseaux de neurones avec Keras :

  1. Pour suivre cette procédure, vous pouvez utiliser soit Cloud Shell ou tout environnement dans lequel Google Cloud CLI peut être installé. Vous pouvez utiliser la gcloud CLI pour interagir avec votre instance.

    • Si vous souhaitez utiliser Cloud Shell, en Google Cloud, en haut à droite, cliquez sur le bouton Activer Cloud Shell.

      Console Google Cloud Platform

    • Si vous souhaitez utiliser la gcloud CLI, téléchargez et installez Google Cloud CLI sur votre machine locale.

  2. Dans Cloud Shell ou dans une fenêtre de terminal local, utilisez la commande suivante pour créer une connexion SSH à votre instance. Remplacez my-project-id, my-zone, et my-instance-name par les informations appropriées.

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

  3. Dans votre navigateur local, accédez à http://localhost:8080 pour accéder à un notebook JupyterLab inclus par défaut dans votre instance.

  4. Dans le notebook, à gauche, double-cliquez sur tutorials pour ouvrir le dossier, puis accédez à tutorials/tf2_course/01_neural_nets_with_keras.ipynb et ouvrez-le.

  5. Cliquez sur le bouton d'exécution pour exécuter les cellules du tutoriel.

Étape suivante