如何在谷歌云中设置TensorFlow？

如何在谷歌云中设置TensorFlow？我了解如何创建Google计算引擎实例，以及如何在本地运行TensorFlow；a建议应该有一种方法来创建Google计算引擎实例并在云中运行TensorFlow应用程序：

机器学习项目可以有多种规模，正如我们所看到的 由于我们的开源产品TensorFlow，项目通常需要扩展 向上的一些小任务最好使用在上运行的本地解决方案来处理 一个人的桌面，而大规模的应用程序需要两者的规模 以及托管解决方案的可靠性。谷歌云机器学习 旨在支持全系列，并提供从 本地到云环境

即使我读了很多这方面的内容，考虑到微软的Azure等竞争平台提供的功能，也必须有一种方法可以在谷歌云中设置TensorFlow应用程序（在本地开发并“无缝”扩展到云中，可能使用GPU）

例如，我想在我的IDE中本地工作，为我的项目调优特性和代码，在那里运行有限的培训和验证，并定期将代码推送到云端，在那里（任意地）使用更多的资源运行培训，然后保存和下载经过培训的模型。或者甚至更好，只需使用可调资源在云中运行图（或部分图）

---

有没有办法做到这一点；有计划吗？如何在谷歌云中设置TensorFlow？

这仍在有限的预览中。你能做的最好的事情就是注册，并希望他们选择你作为预览的一部分

---

编辑：CloudML现在是公共测试版，因此任何人都可以使用它，而无需注册和请求访问。我们希望你尝试一下！我们有一个问题标签：google-cloud-ml。

我建议您遵循本教程，逐步指导您：

这里是建立帐户的主要文章等

如上所述，您可以在Kubernetes上运行TensorFlow。它链接到“一个演示如何创建TensorFlow服务Docker容器以服务于Inception-v3图像分类模型的示例”，您应该能够适应运行自己的TensorFlow工作负载。您可以使用在谷歌云上运行Kubernetes

---

或者，正如Aaron所提到的，您可以尝试注册尽早访问Google的CloudML产品

要在谷歌云上运行TensorFlow，请按优先顺序：

（1） 使用云ML引擎。这是一项全面管理的服务，支持培训和服务。您可以在CPU、GPU和TPU之间进行选择

（2） 使用Deep Learning VM，这是一个已经安装了TensorFlow的Google计算引擎实例：--您可以将GPU添加到此实例

---

（3） 使用GKE上的Kubeflow（Kubernetes上的TensorFlow）。

使用TPU加速在谷歌云平台上使用TensorFlow最简单的方法之一是使用

ctpu

命令：

这将创建您所需的一切，并将您登录到一个VM中，您可以在那里运行TensorFlow程序

如果您不想使用Google cloud shell，这里有关于如何从桌面运行

ctpu

的更多信息：

---

根据用例的不同，可以有多种方法。目前，我想到了以下两种方法：

(一) 选择项目/计算机引擎/虚拟机实例/创建虚拟机实例。 然后转到VM实例，检查实例/单击SSH（需要“gcloud”）/复制命令并在cloud shell中运行。 现在您在自己的虚拟机中。在此处安装pip3。安装tensorflow（cpu或gpu版本）。并使用它：）

---

目前，google cloud支持tensorflow版本，该版本使用已经训练好的模型在云中运行推理，对吗？我对在云中训练模型很感兴趣。这种方法会自动水平扩展吗？那只是云中（缓慢）的Jupyter笔记本（无法控制GPU访问或性能调整），可以访问一些大数据API，没有？据我所知，谷歌云没有GPU或任何其他性能调整。这似乎是唯一的选择。我希望他们能做出回应：关于使用哪个ML平台的决定正在制定中。可能会重复