Ich fange an, die Grenzen des maschinellen Lernens auf meinem Windows-PC zu spüren, deshalb wollte ich es in die Cloud übertragen und verschiedene Software und Bibliotheken mit hoher Leistung und Linux frei verwenden, damit ich es vorerst tun konnte, während ich verschiedene Dinge erforschte. Anstelle eines Memorandums vorerst.
Ich möchte dies auf der Google Cloud Platform tun, da ich Big Query (BQ) verwende und daher GCE als Titel verwende. Ich habe Jupyter Notebook verwendet, seit ich es unter Windows ausgeführt habe, daher möchte ich es auch in der Cloud verwenden. Mit Google Cloud Datalab ist Python in 2.x jedoch schwer zu verwenden. .. .. Also habe ich beschlossen, Jupyter Notebook in GCE zu integrieren.
https://console.cloud.google.com/compute/ Gehen Sie zu "VM-Instanz> Instanz erstellen"
Das ist sehr einfach. Die zu beachtenden Punkte sind wie folgt -Die Standard-Bootdiskette ist Debian, also ändern Sie sie in Ubuntu 16.04 LTS -CPU / Speicher scheint später einstellbar zu sein, daher ist es angemessen -Erlauben Sie HTTP / HTTPS-Verkehr, da ich mit Jupyter Notebook darauf zugreifen möchte - Richten Sie auch eine Firewall ein
Starten Sie danach die Instanz und wählen Sie "Verbinden"> "Im Browserfenster öffnen", um eine SSH-Verbindung herzustellen.
Vorerst, damit Sie Jupyter Notebook & maschinelles Lernen nutzen können. Der Rest ist eine Bibliothek für die Verbindung zu Big Query.
Führen Sie in der Befehlszeile einfach die folgenden Schritte aus (Port sollte von der Firewall eingestellt werden)
jupyter notebook --ip=0.0.0.0 --port=8888 --no-browser
Wenn Sie danach mit ip: port zugreifen, gelangen Sie zum üblichen Jupyter Notebook-Bildschirm. Es scheint, dass Token und Passwort auch festgelegt werden können.
[Set up Anaconda + IPython + Tensorflow + Julia on a Google Compute Engine VM] (https://haroldsoh.com/2016/04/28/set-up-anaconda-ipython-tensorflow-julia-on-a-google-compute-engine-vm/)
Recommended Posts