Deep Learning VM-Instanz in Cloud Marketplace erstellen

Auf dieser Seite wird gezeigt, wie Sie eine Deep Learning VM Image-Instanz aus Cloud Marketplace in der Google Cloud Console ohne Verwenden der Befehlszeile erstellen.

Hinweise

  1. Melden Sie sich bei Ihrem Google Cloud-Konto an. Wenn Sie mit Google Cloud noch nicht vertraut sind, erstellen Sie ein Konto, um die Leistungsfähigkeit unserer Produkte in der Praxis sehen und bewerten zu können. Neukunden erhalten außerdem ein Guthaben von 300 $, um Arbeitslasten auszuführen, zu testen und bereitzustellen.
  2. Wählen Sie in der Google Cloud Console auf der Seite der Projektauswahl ein Google Cloud-Projekt aus oder erstellen Sie eines.

    Zur Projektauswahl

  3. Die Abrechnung für das Google Cloud-Projekt muss aktiviert sein.

  4. Wählen Sie in der Google Cloud Console auf der Seite der Projektauswahl ein Google Cloud-Projekt aus oder erstellen Sie eines.

    Zur Projektauswahl

  5. Die Abrechnung für das Google Cloud-Projekt muss aktiviert sein.

  6. Wählen Sie ein bestimmtes zu verwendendes Deep Learning-VM-Image aus. Ihre Auswahl hängt von Framework und Prozessortyp ab.
  7. Wenn Sie mit der Deep Learning-VM GPUs verwenden, prüfen Sie auf der Seite "Kontingente", ob die Anzahl der im Projekt verfügbaren GPUs ausreicht. Wenn auf der Seite "Kontingente" keine GPUs aufgeführt sind oder Sie zusätzliche GPU-Kontingente benötigen, können Sie eine Erhöhung des Kontingents beantragen.

Instanz erstellen

  1. Rufen Sie in der Google Cloud Console die Seite "Deep Learning VM Cloud Marketplace" auf.

    Zur Seite "Deep Learning VM Cloud Marketplace"

  2. Klicken Sie auf Starten.

  3. Geben Sie einen Bereitstellungsnamen ein, der zum Stamm für Ihren VM-Namen wird. Compute Engine fügt bei der Benennung der Instanz das Suffix -vm an.

  4. Zone auswählen

  5. Wählen Sie unter Maschinentyp die gewünschten Spezifikationen für die VM aus. Weitere Informationen zu Maschinentypen.

  6. Wählen Sie unter GPUs den GPU-Typ und die Anzahl der GPUs aus. Wenn Sie keine GPUs verwenden möchten, klicken Sie auf die Schaltfläche GPU löschen und fahren Sie mit Schritt 7 fort. Weitere Informationen zu GPUs.

    1. Wählen Sie einen GPU-Typ aus. Nicht alle GPU-Typen sind in allen Zonen verfügbar. Kombinationen finden, die unterstützt werden
    2. Wählen Sie die Anzahl der GPUs aus. Jede GPU unterstützt eine unterschiedliche Anzahl von GPUs. Kombinationen finden, die unterstützt werden
  7. Wählen Sie ein Framework für maschinelles Lernen aus.

  8. Wenn Sie GPUs verwenden, ist ein NVIDIA-Treiber erforderlich. Sie können den Treiber selbst installieren oder die Option NVIDIA GPU-Treiber bei Start-up automatisch installieren auswählen.

  9. Sie können die Option Zugriff auf JupyterLab über URL statt SSH aktivieren (Beta) auswählen. Wenn Sie diese Betafunktion aktivieren, können Sie über eine URL auf Ihre JupyterLab-Instanz zugreifen. Alle, die in Ihrem Google Cloud-Projekt die Rollen Bearbeiter oder Inhaber haben, können auf diese URL zugreifen. Derzeit funktioniert diese Funktion nur in den USA, der Europäischen Union und Asien.

  10. Wählen Sie einen Typ für das Bootlaufwerk und die Größe des Bootlaufwerks aus.

  11. Wählen Sie die gewünschten Netzwerkeinstellungen aus.

  12. Klicken Sie auf Deploy.

Wenn Sie sich für das Installieren von NVIDIA-Treibern entschieden haben, dauert die Installation drei bis fünf Minuten.

Nach dem Bereitstellen der VM wird die Seite mit einer Anleitung für den Zugriff auf die Instanz aktualisiert.

Nächste Schritte

Eine Anleitung zum Herstellen einer Verbindung zu Ihrer neuen Deep Learning-VM-Instanz über die Cloud Console oder die Befehlszeile finden Sie unter Verbindung zu Instanzen herstellen. Als Name der Instanz gilt der von Ihnen angegebene Bereitstellungsname mit dem Suffix -vm.