哪个谷歌云平台服务最容易运行Tensorflow？

在进行Udacity深度学习作业时，我遇到了记忆问题。我需要切换到云平台。我以前使用过AWSEC2，但现在我想试试谷歌云平台（GCP）。我需要至少8GB的内存。我知道如何在本地使用docker，但从未在云上尝试过

在GCP上运行Tensorflow是否有现成的解决方案

如果没有，哪种服务（计算引擎或容器引擎）更容易启动

任何其他提示也将不胜感激 谷歌有一个有限的阿尔法

下面是一个关于在Kubernetes/Google容器引擎上运行TensorFlow的示例

如果这些不是您想要的，那么所有的都应该能够在AWS EC2或谷歌计算引擎上运行。

总结一下答案：

• -一键式Jupyter实验室环境
• -预安装了ML库的原始虚拟机
• -DLVM映像的容器化版本
• 在计算引擎上手动安装。请参阅下面的说明

在计算引擎上手动运行TensorFlow的说明：

打开（顶部的按钮）

列出机器类型：

gcloud compute machine types List

。您可以更改我在下一个命令中使用的机器类型

创建一个实例：

运行

sudo docker Run-d-p 8888:8888--名称tf b.gcr.io/tensorflow udacity/assignments:0.5.0

（将图像名称更改为所需名称）

在中找到您的实例并编辑

默认值

网络

添加防火墙规则以允许您的IP以及协议和端口

tcp:8888

从仪表板中查找实例的外部IP。在浏览器上打开

IP:8888

。完成了

完成后，删除创建的群集以避免费用

我就是这样做的，而且成功了。我相信有一个更简单的方法

更多资源 您可能有兴趣了解以下方面的更多信息：

• 为更灵敏的外壳和更多

很高兴知道

• “云Shell主目录的内容在所有云Shell会话之间的项目中保持不变，即使在虚拟机终止并重新启动后也是如此”
• 要列出所有可用的图像版本：

  gcloud计算图像列表--project google containers

---

多亏了@user728291、@MattW、@CJCullen和@zain rizvi，

今天以测试版的形式向全世界开放。它将TensorFlow作为服务提供，因此您不必管理机器和其他原始资源。作为测试版的一部分，Datalab已经更新，为机器学习提供命令和实用程序。请访问：。

我不确定您是否需要继续使用谷歌云平台。如果你能使用其他产品，你可能会节省很多时间和一些钱

---

如果您使用的是TensorFLow，我建议您使用一个名为。它是专为TesnorFlow设计的，是我所知道的最简单的平台。代码和数据是用git加载的，它们提供了一个python模块，用于在远程机器和本地机器之间自动切换路径。如果您需要，它们还提供一些用于设置分布式计算的锅炉板代码。希望这有帮助

您现在还可以使用预配置的DeepLearning。他们拥有TensorFlow所需的一切。

这是一个老问题，但现在有了新的、更简单的选项：

如果你想在Jupyter实验室运行TensorFlow ，这使您可以点击访问预先安装了Tensorflow的Jupyter实验室笔记本（如果愿意，您也可以使用Pytorch、R或其他一些库）

如果您只想使用原始虚拟机 如果您不关心Jupyer Lab，只需要预安装Tensorflow的原始VM，那么您可以使用GCP创建VM。这些DLVM映像为您提供了一个预安装了Tensorflow的VM，如果您愿意，它们都可以使用GPU。（AI平台笔记本电脑在引擎盖下使用这些DLVM图像）

如果你想在你的笔记本电脑和云上运行它 最后，如果您希望能够在个人笔记本电脑和云中运行tensorflow，并且能够舒适地使用Docker，那么您可以使用GCP。它包含与DLVM映像完全相同的设置，但打包为容器，因此您可以在任何地方启动这些映像

---

额外好处：如果您在笔记本电脑上运行此容器映像，它是100%免费的：D

AWS有GPU实例，这应该更适合tensorflow。大约两个数量级。参见clouddatalab@MattW。谢谢你的提示。我一定会考虑它的严重项目。@ USER 728。对于我的用例来说，它似乎有点复杂。我不确定什么可以使它更简单。启用帐户计费、启用应用程序引擎和存储。然后转到DataLabLauncher，它将启动一个google托管的计算实例，您可以通过网页中的Jupyter笔记本访问该实例。只需点击一下云中的tensorflow。在计算引擎6上运行tensorflow的分步说明中，您的ip叫什么？您计算机的ip:）这是否足够，192.168.1.14是我的ip？因为我仍然无法访问…那是你的本地IP。一个友好的建议，如果你不知道192.168是什么，你不应该在云上工作。。。。无论如何，谢谢你。的确，我对计算机网络和防火墙一无所知，但我正计划学习，在没有这些知识的情况下，我已经成功地在AWS EC2实例上运行了IPython笔记本。现在，这一切都是为了Udacity分配的目的，但我想切换到Linux会使事情变得更简单。再次感谢您的时间，它现在是公开测试版：

gcloud compute instances create tf \
  --image container-vm \
  --zone europe-west1-c \
  --machine-type n1-standard-2