Deep Learning VM과 TensorFlow Enterprise 사용

이 페이지에서는 Deep Learning VM Images에 대해 간략하게 설명하고 Deep Learning VM 인스턴스와 TensorFlow Enterprise 사용을 시작하는 방법을 설명합니다.

이 예에서는 TensorFlow Enterprise 딥 러닝 VM 인스턴스를 만들고, SSH를 사용하여 인스턴스에 연결하고, JupyterLab 노트북을 열고, Keras로 신경망을 사용하는 분류 튜토리얼을 실행합니다.

Deep Learning VM 개요

Deep Learning VM Image는 데이터 과학 및 머신러닝 태스크에 최적화된 가상 머신 이미지 세트입니다. 모든 이미지에는 주요 ML 프레임워크와 도구가 사전 설치되어 있습니다. GPU가 있는 인스턴스에서 바로 사용하여 데이터 처리 작업을 가속화할 수 있습니다.

Deep Learning VM 이미지는 다양한 프레임워크 및 프로세서 조합을 지원하는 데 사용할 수 있습니다. 현재 TensorFlow Enterprise, TensorFlow, PyTorch, 일반 고성능 컴퓨팅을 지원하는 이미지를 사용할 수 있으며, CPU 전용 및 GPU 사용 설정된 워크플로에 대한 버전이 모두 지원됩니다.

사용 가능한 프레임워크 목록을 보려면 이미지 선택을 참조하세요.

시작하기 전에

Google Cloud 계정에 로그인합니다. Google Cloud를 처음 사용하는 경우 계정을 만들고 Google 제품의 실제 성능을 평가해 보세요. 신규 고객에게는 워크로드를 실행, 테스트, 배포하는 데 사용할 수 있는 $300의 무료 크레딧이 제공됩니다.

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 인스턴스 만들기

TensorFlow Enterprise Deep Learning VM 인스턴스를 만들려면 다음 단계를 완료하세요.

1. Google Cloud 콘솔에서 Deep Learning VM Cloud Marketplace 페이지로 이동합니다.

   Deep Learning VM Cloud Marketplace 페이지로 이동

2. Compute Engine에서 실행을 클릭합니다. 프로젝트 선택 창이 표시되면 인스턴스를 만들 프로젝트를 선택합니다. Compute Engine을 처음 시작하는 경우에는 초기 API 구성 프로세스가 완료될 때까지 기다려야 합니다.

3. 새 Deep Learning VM 배포 페이지에 배포 이름을 입력합니다. 이 이름은 가상 머신 이름의 루트가 됩니다. Compute Engine은 인스턴스를 만들 때 이 이름 끝에 -vm을 추가합니다.

4. GPU 수에서 없음을 선택합니다. 이 가이드의 안내를 완료하는 데는 필요하지 않습니다.

   참고: TensorFlow Enterprise 인스턴스에 GPU를 사용하려는 경우 할당량 페이지를 확인하여 프로젝트에 사용 가능한 GPU가 충분히 있는지 확인하세요. GPU가 할당량 페이지에 나와 있지 않거나 추가 GPU 할당량이 필요한 경우 할당량 상향 조정을 요청하세요. Compute Engine 리소스 할당량 페이지의 추가 할당량 요청을 참고하세요.

5. 프레임워크에서 TensorFlow Enterprise 2.3 (CUDA 11.0)을 선택합니다.

6. 이 예시에서는 나머지 설정을 그대로 둡니다.

7. 배포를 클릭합니다.

이제 딥 러닝 VM의 첫 번째 인스턴스가 생성되었습니다. 인스턴스가 생성되면 배포 관리자가 열립니다. 여기에서 딥 러닝 VM 인스턴스 및 기타 배포를 관리할 수 있습니다.

SSH로 연결하고, 노트북을 열고, 분류 튜토리얼 실행

다음 단계에 따라 딥 러닝 VM 인스턴스에 대한 SSH 연결을 설정하고, JupyterLab 노트북을 열고, Keras로 신경망을 사용하는 방법에 관한 튜토리얼을 실행하세요.

1. 이 단계를 완료하려면 Cloud Shell 또는 Google Cloud CLI를 설치할 수 있는 환경을 사용하면 됩니다. gcloud CLI를 사용하여 인스턴스와 상호작용할 수 있습니다.

   • Cloud Shell을 사용하려면 Google Cloud의 오른쪽 상단에 있는 Cloud Shell 활성화 버튼을 클릭합니다.

     

   • gcloud CLI를 사용하려면 로컬 머신에 Google Cloud CLI를 다운로드하여 설치하세요.

2. Cloud Shell 또는 로컬 터미널 창에서 다음 명령어를 사용하여 인스턴스에 대한 SSH 연결을 만듭니다. my-project-id, my-zone, my-instance-name을 관련 정보로 바꿉니다.

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

   참고: 프로젝트 ID를 찾으려면 Google Cloud 콘솔 상단의 프로젝트 이름을 클릭하세요. 영역을 찾으려면 배포 관리자에서 인스턴스를 클릭합니다.

3. 로컬 브라우저에서 http://localhost:8080을 방문하여 인스턴스에 기본적으로 포함된 JupyterLab 노트북에 액세스합니다.

4. 노트북의 왼쪽에서 tutorials를 더블클릭하여 폴더를 열고 tutorials/tf2_course/01_neural_nets_with_keras.ipynb로 이동하여 엽니다.

5. 실행 버튼 을 클릭하여 튜토리얼의 셀을 실행합니다.

다음 단계

• Deep Learning VM에 대해 자세히 알아보세요.
• Deep Learning VM 커뮤니티에 대해 자세히 알아보기: Deep Learning VM에 대해 토론하고 질문할 수 있습니다.
• Deep Learning Containers와 TensorFlow Enterprise를 사용해 보세요.