このページでは、コマンドラインを使用せずに、Google Cloud コンソール内で Cloud Marketplace から Deep Learning VM Images インスタンスを作成する方法について説明します。
始める前に
- Google Cloud アカウントにログインします。Google Cloud を初めて使用する場合は、アカウントを作成して、実際のシナリオでの Google プロダクトのパフォーマンスを評価してください。新規のお客様には、ワークロードの実行、テスト、デプロイができる無料クレジット $300 分を差し上げます。
-
Google Cloud Console の [プロジェクト セレクタ] ページで、Google Cloud プロジェクトを選択または作成します。
-
Google Cloud Console の [プロジェクト セレクタ] ページで、Google Cloud プロジェクトを選択または作成します。
- 使用する Deep Learning VM Image を選択します。選択するイメージは、必要なフレームワークとプロセッサの種類によって異なります。
- Deep Learning VM で GPU を使用する場合は、[割り当て] ページで、プロジェクトで十分な GPU を使用できることを確認してください。GPU が割り当てページのリストにない場合や、さらに GPU 割り当てが必要な場合には、割り当て量の増加をリクエストしてください。
インスタンスの作成
Google Cloud コンソールの Deep Learning VM Cloud Marketplace ページに移動します。
[運用開始] をクリックします。
デプロイ名を入力します。これは、VM 名のルートとして使用されます。Compute Engine は、この名前に
-vm
を追加してインスタンス名を設定します。ゾーンを選択します。
[マシンタイプ] で、VM に必要な仕様を選択します。マシンタイプの詳細をご覧ください。
[GPU] で、GPU のタイプと GPU の数を選択します。GPU を使用しない場合は、[GPU を削除] ボタンをクリックして、ステップ 7 に進みます。GPU の詳細をご覧ください。
- GPU のタイプを選択します。すべての GPU タイプがすべてのゾーンで利用できるわけではありません。サポートされている組み合わせを探します。
- GPU の数を選択します。選択できる GPU の数は GPU によって異なります。サポートされている組み合わせを探します。
機械学習のフレームワークを選択します。
GPU を使用している場合は、NVIDIA ドライバが必要です。ドライバは手動でもインストールできますが、[Install NVIDIA GPU driver automatically on first startup] を選択することもできます。
[Enable access to JupyterLab via URL instead of SSH (Beta)] を選択することもできます。このベータ機能を有効にすると、URL を使用して JupyterLab インスタンスにアクセスできます。Google Cloud プロジェクトで編集者またはオーナーのロールを持っているユーザーは誰でもこの URL にアクセスできます。現在、この機能は米国、EU、アジアでのみ機能します。
ブートディスクの種類とブートディスクのサイズを選択します。
必要なネットワーク設定を選択します。
[デプロイ] をクリックします。
NVIDIA ドライバのインストールを選択した場合、インストールが完了するまでに 3~5 分かかります。
VM がデプロイされると、ページが更新され、インスタンスにアクセスする手順が表示されます。
次のステップ
インスタンスへの接続を参照して、新しい Deep Learning VM インスタンスに Google Cloud コンソールまたはコマンドラインから接続する方法を確認する。インスタンス名は、指定したデプロイ名に -vm
を付加したものになります。