Comment configurer TensorFlow dans le cloud Google?
Comment configurer un TensorFlow dans le cloud Google? Je comprends comment créer une instance de Google Compute Engine et comment exécuter TensorFlow localement. et un récent article de blog Google suggère qu'il devrait exister un moyen de créer une instance de Google Compute Engine et d'exécuter des applications TensorFlow dans le cloud:
Les projets d’apprentissage automatique peuvent être de différentes tailles et, comme nous l’avons vu. avec notre offre open source TensorFlow, les projets doivent souvent évoluer up. Certaines petites tâches sont mieux traitées avec une solution locale s'exécutant sur son ordinateur de bureau, alors que les applications à grande échelle nécessitent à la fois l’échelle. et la fiabilité d'une solution hébergée. Google Cloud Machine Learning vise à prendre en charge l’ensemble de la gamme et à assurer une transition en douceur de environnement local à cloud.
Même si je lis un peu dans ce sujet, cela doit être le cas, étant donné les plates-formes concurrentes telles que Microsoft Azure, qu'il existe un moyen de configurer des applications TensorFlow (développées localement et "sans interruption" dans le cloud) , utilisant probablement des GPU) dans le nuage de Google.
Par exemple, j'aimerais travailler localement dans mon IDE en optimisant les fonctionnalités et le code de mon projet, en exécutant une formation et une validation limitées, puis en envoyant le code périodiquement dans le cloud pour y exécuter une formation (arbitraire) supérieure. ressources, puis enregistrez et téléchargez le modèle formé. Ou peut-être même mieux, lancez simplement les graphiques (ou parties de graphiques) dans le cloud en utilisant des ressources ajustables.
Y a-t-il un moyen de faire cela; est-ce prévu? Comment configurer TensorFlow dans le cloud Google?
Ceci est encore en aperçu limité. Le mieux que vous puissiez faire est de vous inscrire et d’espérer qu’ils vous sélectionnent pour faire partie de l’aperçu.
Edit: CloudML est maintenant en version bêta publique afin que tout le monde puisse l'utiliser sans s'inscrire et demander l'accès. Nous espérons que vous essayez! Nous avons un tag pour les questions: google-cloud-ml.
Je vous suggère de suivre ce tutoriel qui vous guide pas à pas:
https://www.youtube.com/watch?v=N422_CYuzZg
Voici l'article principal pour configurer le compte, etc.
https://cloud.google.com/solutions/machine-learning-with-financial- time-series-data
L'un des moyens les plus simples de travailler avec TensorFlow sur Google Cloud Platform, à l'aide de l'accélération TPU, consiste à utiliser la commande ctpu:
https://cloud.google.com/tpu/docs/quickstart
Cela créera tout ce dont vous avez besoin et vous connectera à un VM à partir duquel vous pourrez exécuter vos programmes TensorFlow.
Si vous souhaitez éviter d'utiliser Google Cloud Shell, vous trouverez plus d'informations ici sur la manière d'exécuter ctpu à partir de votre bureau:
Comme décrit sur le blog Kubernetes , vous pouvez exécuter TensorFlow sur Kubernetes. Il est lié à "un tutoriel pas à pas qui vous montre comment créer le conteneur TensorFlow Serving Docker pour servir le modèle de classification des images Inception-v3", que vous devriez pouvoir adapter à l'exécution de votre propre charge de travail TensorFlow. . Vous pouvez utiliser Google Container Engine pour exécuter Kubernetes sur le cloud de Google.
Ou, comme Aaron l'a mentionné, vous pouvez essayer de vous inscrire pour un accès anticipé au produit CloudML de Google.
Pour exécuter TensorFlow sur Google Cloud, par ordre de préférence:
(1) Utilisez Cloud ML Engine. Ce service est entièrement géré et prend en charge à la fois la formation et le service. Vous pouvez choisir entre CPU, GPU et TPU.
(2) Utilisez Deep Learning VM, une instance de Google Compute Engine avec TensorFlow déjà installée: https://cloud.google.com/deep-learning-vm/docs/ - vous pouvez ajouter des GPU à cette exemple.
(3) Utilisez Kubeflow sur GKE (TensorFlow sur Kubernetes).