Configurez un conteneur sur GCP et créez un environnement d'analyse. Je ne sais pas encore, mais je vais résumer comment je l'ai fait pour moi-même.
Veuillez lire l'article suivant sur GCP car il est très bien organisé. J'ai lu jusqu'à la troisième partie de cette série pour avoir une idée générale de ce à quoi elle ressemble. [[Introduction à GCP, Partie 1] À lire absolument pour les ingénieurs! Qu'est-ce que Google Cloud Platform (GCP) que je ne peux plus vous demander? ] 1
La création de compte est décrite dans la partie 2. [[Introduction à GCP, partie 2] Commencez par ici! Préparation à Google Cloud Platform (GCP)! ] 2
Description de GCE [[Introduction à GCP, Partie 3] Pas difficile! Comment lancer une instance sur Google Compute Engine (GCE)! ] 3
[Création d'un environnement de calcul pour Kaggle avec GCP et Docker] 4 [Création d'un environnement GPU pour Kaggle avec GCP + Docker] 5 J'ai principalement fait référence à 2 articles, mais je n'ai pas trouvé la VM Deep Learning. J'ai créé une instance normale.
Les éléments suivants ont été lus sur l'écran de création d'instance GCE
Remarque: si vous utilisez GPU, vous devez modifier l'affectation. [Questions sur la modification des devoirs] 6 -> [Lancer l'instance de VM GCP Deep Learning] 7 Nous vous répondrons dans les 2 jours ouvrables suivant votre demande! J'ai reçu un e-mail disant cela, mais c'était dans la journée.
Vous pouvez utiliser Pytorch NVIDIA GPU Notebook avec MaketPlace.
Cela a également été mentionné dans l'article de la section précédente. En outre, j'ai également fait référence à la construction de l'environnement Jupyter (Docker) dans [Article d'introduction: Environnement d'analyse Jupyter créé avec GCE (Google Compute Engine)] 8.
Vérifiez les informations d'accès [ici] 9 Par exemple, les paramètres du pare-feu [ici] 10
Cela le place dans le reste des 100 coups de traitement du langage.
Recommended Posts