[PYTHON] Erstellen Sie einfach eine GCP-Umgebung für Kaggle mit hoher Geschwindigkeit

GCP wurde um großartige Funktionen erweitert

Zuvor schrieb ich einen Artikel Einfaches Erstellen einer GCP-Umgebung für Kaggle. Dieses Mal habe ich einen einfacheren Weg gefunden, es zu erstellen, also werde ich es als verbesserte Version des vorherigen Artikels schreiben. Dem unteren Teil namens AI-Plattform wurde eine Funktion namens Notebook hinzugefügt. Dies bedeutet, dass Sie es einsatzbereit machen können, ohne das im vorherigen Artikel verfügbare Jupyter-Notebook verfügbar machen zu müssen. Um genau zu sein, wird Jupyter Lab gestartet, aber wenn Sie ein Jupyter-Notebook verwendet haben, werden Sie bald damit vertraut sein.

Informationen zur Verwendung

Sie können eine Instanz einrichten, indem Sie oben auf die Schaltfläche Neue Instanz klicken. Diese Instanz scheint mit GCE geteilt zu werden. In dieser Umgebung können Sie das Framework auswählen, das Sie verwenden möchten, und die Ausführungsumgebung so einfach wie die Deep Learning-VM einrichten.

Klicken Sie nach dem Einrichten der Instanz auf JUPYTER LAB öffnen. Wenn Sie hier Notebook auswählen, wird das Jupyter-Notebook gestartet. So einfach ist das: smiley:

Danach können Sie Befehle über das Terminal eingeben und eine Python-Datei aus der Textdatei erstellen und problemlos in .py umbenennen.

Bei Dateien wird die GUI beibehalten, sodass Sie sie problemlos hochladen und herunterladen können.

abschließend

Mit dieser implementierten Funktion ist es viel einfacher, mit GCP eine Computerumgebung zu erstellen. In letzter Zeit unterliegt der Kaggle-Kernel strengen Nutzungsbeschränkungen. Ich denke, dass viele Leute Google Colab verwenden. Da Sie jedoch einen Gutschein für 30.000 Yen erhalten können, ist es meiner Meinung nach eine gute Idee, diese Gelegenheit zu nutzen, um mit GCP zu beginnen. Ich werde. Wenn Sie Fragen haben, können Sie diese gerne kommentieren. P.S Derzeit verwende ich diese Funktion in einem Wettbewerb, aber es scheint, dass es ein Problem beim Umgang mit großen Dateien gibt. Wenn Sie beispielsweise versuchen, eine schwere Datei aus dem Jupyter-Labor herunterzuladen, wird eine deutlich kleinere heruntergeladen, oder wenn Sie versuchen, PyTorch per Pip zu installieren, wird sie auf halbem Weg gestoppt. Die Problemumgehung besteht darin, mit gsutil in den Speicher zu schreiben oder eine Instanz einzurichten, die PyTorch von Anfang an enthält ... Ich freue mich auf zukünftige Verbesserungen!