TensorFlow-谷歌深度学习库 手把手教你如何使用谷歌深度学习云平台

自己的电脑跑cnn, rnn太慢? 还在为自己电脑没有好的gpu而苦恼? 程序一跑一俩天连睡觉也要开着电脑训练?

如果你有这些烦恼何不考虑考虑使用谷歌的云平台呢?注册之后即送300美元噢~下面我就来介绍一下谷歌云平台的使用。

1 配置谷歌云平台项目(GCP Project)

https://console.cloud.google.com/cloud-resource-manager

TensorFlow-谷歌深度学习库 手把手教你如何使用谷歌深度学习云平台

按照谷歌的向导你可以一步一步创建一个新的项目。这个项目就是你本地的项目并想放在云上跑的东西。

点击创建项目,输入新建的项目名称,等一下下你的新项目就创建好啦。新的项目的dashboard如下所示。

TensorFlow-谷歌深度学习库 手把手教你如何使用谷歌深度学习云平台

2 将这个项目绑定一个付款账号,当然谷歌给了你300刀,如果你只是做一些小项目仅供个人学习的话300刀应该是足够的。

https://cloud.google.com/billing/docs/how-to/modify-project

如果你还没有一个付款账号,会提示你先创建一个账号, 总之你要关联你的账号到你新建的项目。

TensorFlow-谷歌深度学习库 手把手教你如何使用谷歌深度学习云平台

设置完毕后你会看到谷歌给你的赠金信息

TensorFlow-谷歌深度学习库 手把手教你如何使用谷歌深度学习云平台

3.启用API,在 Google Cloud Platform 中注册您的应用以使用 Google Cloud Machine Learning EngineGoogle Compute Engine API

https://console.cloud.google.com/flows/enableapi?apiid=ml.googleapis.com,compute_component

选择要注册API的项目。显示正在启用API。你讲看到下面这个界面

TensorFlow-谷歌深度学习库 手把手教你如何使用谷歌深度学习云平台

4 设置凭据

TensorFlow-谷歌深度学习库 手把手教你如何使用谷歌深度学习云平台

新建一个服务账号,角色为项目的所有者。点击创建后一个包含了你的私钥的json文件将下载到你的本地所指定的路径。

设置环境变量GOOGLE_APPLICATION_CREDENTIALS为你保存以上json文件的路径。比如mac os用户在terminal中输入如下(引号中为你本地的json文件路径):

export GOOGLE_APPLICATION_CREDENTIALS="/home/user/Downloads/service-account-file.json"

5 当以上都设置完毕后,接下来要下载和初始化cloud sdk啦

https://cloud.google.com/sdk/docs/  

下载完成后,初始化cloud sdk~

在terminal中进入你存放sdk的路径,输入一下

> sh ./google-cloud-sdk/install.sh

TensorFlow-谷歌深度学习库 手把手教你如何使用谷歌深度学习云平台

选择是否帮助完善cloud sdk

TensorFlow-谷歌深度学习库 手把手教你如何使用谷歌深度学习云平台

选择是否需要更新$PATH, 如果更新你可以在命令行中任何路径下使用google cloud命令。然后会提示你输入你个路径,或直接为空使用默认。

这里我选择的是为空。如果是mac用户不知道会不会遇到和我相同的问题,就是路径没有设置成功。我的解决办法如下:

TensorFlow-谷歌深度学习库 手把手教你如何使用谷歌深度学习云平台

在命令行中source completion.bash.inc 和 path.bash.inc两个文件。

USER-MBP:Google_Cloud_Compute_Engine$ source /Users/.../.../.../google-cloud-sdk/path.bash.inc

USER-MBP:Google_Cloud_Compute_Engine$ source /Users/.../.../.../google-cloud-sdk/completion.bash.inc

运行gcloud init初始化sdk

./google-cloud-sdk/bin/gcloud init

以上我们完成了想要使用谷歌深度学习平台的配置,总结一下就是创建一个项目,设置结算信息关联项目,创建服务账号密钥并设置环境变量, 下载初始化sdk。

接下来的重头戏当然就是把我们本地的代码放到谷歌云上训练啦~~~

1.打包你的训练模型

https://cloud.google.com/ml-engine/docs/packaging-trainer

第一步 使用推荐的项目结构

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:https://www.heiqu.com/zwjdxx.html