从 Cloud Marketplace 创建 Deep Learning VM 实例

本页面介绍如何在 Google Cloud Console 内通过 Cloud Marketplace 创建 Deep Learning VM Image 实例，而不使用命令行。

准备工作

1. 登录您的 Google Cloud 账号。如果您是 Google Cloud 新手，请创建一个账号来评估我们的产品在实际场景中的表现。新客户还可获享 $300 赠金，用于运行、测试和部署工作负载。

2. 在 Google Cloud Console 中的项目选择器页面上，选择或创建一个 Google Cloud 项目。

   注意：如果您不打算保留在此过程中创建的资源，请创建新的项目，而不要选择现有的项目。完成本教程介绍的步骤后，您可以删除所创建的项目，并移除与该项目关联的所有资源。

   转到“项目选择器”

3. 确保您的 Google Cloud 项目已启用结算功能。

4. 在 Google Cloud Console 中的项目选择器页面上，选择或创建一个 Google Cloud 项目。

   注意：如果您不打算保留在此过程中创建的资源，请创建新的项目，而不要选择现有的项目。完成本教程介绍的步骤后，您可以删除所创建的项目，并移除与该项目关联的所有资源。

   转到“项目选择器”

5. 确保您的 Google Cloud 项目已启用结算功能。

6. 选择要使用的特定 Deep Learning VM 映像。您的选择取决于您的首选框架和处理器类型。
7. 如果您要将 GPU 与 Deep Learning VM 搭配使用，请查看配额页面，确保您的项目中具有充足的 GPU。如果配额页面上未列出 GPU，或者您需要额外的 GPU 配额，请申请增加配额。

创建实例

1. 转到 Google Cloud 控制台中的 Deep Learning VM Cloud Marketplace 页面。

   转到 Deep Learning VM Cloud Marketplace 页面

2. 点击启动。

3. 输入部署名称，该名称将作为虚拟机名称的基本组成部分。 为实例命名时，Compute Engine 会将 -vm 添加到此名称。

4. 选择一个可用区。

5. 在机器类型下，为虚拟机选择所需的规范。详细了解机器类型。

6. 在 GPU 下，选择 GPU 类型和 GPU 数量。如果您不想使用 GPU，请点击删除 GPU 按钮并跳到第 7 步。详细了解 GPU。

   1. 选择 GPU 类型。并非所有可用区都支持所有 GPU 类型。查找受支持的组合。
   2. 选择 GPU 数量。每个 GPU 支持的 GPU 数量有所不同。查找受支持的组合。

7. 选择机器学习框架。

8. 如果您使用 GPU，则需要 NVIDIA 驱动程序。您可以自行安装该驱动程序，也可以选择首次启动时自动安装 NVIDIA GPU 驱动程序 (Install NVIDIA GPU driver automatically on first startup)。

9. 您可以选择 Enable access to JupyterLab via URL instead of SSH (Beta)。通过启用此 Beta 版功能，您可以使用网址访问 JupyterLab 实例。您的 Google Cloud 项目中任何具有 Editor 或 Owner 角色的人都可以访问此网址。目前，此功能仅适用于美国、欧盟和亚洲。

10. 选择启动磁盘类型和启动磁盘大小。

11. 选择所需的网络设置。

12. 点击部署。

如果您选择安装 NVIDIA 驱动程序，则需要 3-5 分钟才能完成安装。

部署虚拟机后页面会更新，并提供有关访问实例的说明。

后续步骤

如需了解如何通过 Google Cloud 控制台或命令行连接到新的 Deep Learning VM 实例，请参阅连接到实例。实例名称就是在您指定的部署名称后方加上 -vm。