Crea un'istanza VM di deep learning PyTorch

Questa pagina mostra come creare un'istanza di immagini VM di deep learning PyTorch con PyTorch e altri strumenti preinstallati. Puoi creare un'istanza PyTorch da Cloud Marketplace all'interno della console Google Cloud o utilizzando la riga di comando.

Prima di iniziare

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

5. Make sure that billing is enabled for your Google Cloud project.

6. Se utilizzi GPU con la VM per il deep learning, consulta la pagina Quote per assicurarti di disporre di un numero sufficiente di GPU nel progetto. Se le GPU non sono elencate nella pagina delle quote o se hai bisogno di una quota GPU aggiuntiva, richiedi un aumento della quota.

Creazione di un'istanza VM di deep learning PyTorch da Cloud Marketplace

Per creare un'istanza VM di deep learning PyTorch da Cloud Marketplace, completa i seguenti passaggi:

1. Vai alla pagina Cloud Marketplace VM per il deep learning nella console Google Cloud.

   Vai alla pagina Cloud Marketplace della VM per il deep learning

2. Fai clic su Inizia.

3. Inserisci un nome deployment, che sarà la radice del nome della VM. Compute Engine aggiunge -vm a questo nome quando assegni un nome all'istanza.

4. Seleziona una Zona.

5. In Tipo di macchina, seleziona le specifiche che preferisci per la VM. Scopri di più sui tipi di macchine.

6. In GPU, seleziona il tipo di GPU e il numero di GPU. Se non vuoi utilizzare le GPU, fai clic sul pulsante Elimina GPU e vai al passaggio 7. Scopri di più sulle GPU.

   1. Seleziona un tipo di GPU. Non tutti i tipi di GPU sono disponibili in tutte le zone. Trova una combinazione supportata.
   2. Seleziona il Numero di GPU. Ogni GPU supporta un numero diverso di GPU. Trova una combinazione supportata.

7. In Framework, seleziona PyTorch 1.8 + fast.ai 2.1 (CUDA 11.0).

8. Se utilizzi GPU, è necessario un driver NVIDIA. Puoi installare il driver personalmente o selezionare Installa automaticamente il driver GPU NVIDIA al primo avvio.

9. Hai la possibilità di selezionare Abilita l'accesso a JupyterLab tramite URL anziché SSH (beta). L'attivazione di questa funzionalità beta ti consente di accedere all'istanza JupyterLab utilizzando un URL. Chiunque abbia il ruolo di Editor o Proprietario nel progetto Google Cloud può accedere a questo URL. Al momento, questa funzionalità funziona solo negli Stati Uniti, nell'Unione Europea e in Asia.

10. Seleziona un tipo di disco di avvio e le relative dimensioni.

11. Seleziona le impostazioni di rete che preferisci.

12. Fai clic su Esegui il deployment.

Se scegli di installare i driver NVIDIA, attendi 3-5 minuti per il completamento dell'installazione.

Dopo il deployment della VM, la pagina viene aggiornata con le istruzioni per accedere all'istanza.

Creazione di un'istanza VM di deep learning PyTorch dalla riga di comando

Per utilizzare Google Cloud CLI per creare una nuova istanza VM per il deep learning, devi prima installare e inizializzare Google Cloud CLI:

1. Scarica e installa Google Cloud CLI seguendo le istruzioni riportate in Installazione di Google Cloud CLI.
2. Inizializza l'SDK seguendo le istruzioni riportate in Inizializza Cloud SDK.

Per utilizzare gcloud in Cloud Shell, attiva prima Cloud Shell seguendo le istruzioni riportate in Avvio di Cloud Shell.

Senza GPU

Per creare un'istanza VM di deep learning con la famiglia di immagini PyTorch più recente e una CPU, inserisci quanto segue nella riga di comando:

export IMAGE_FAMILY="pytorch-latest-cpu"
export ZONE="us-west1-b"
export INSTANCE_NAME="my-instance"

gcloud compute instances create $INSTANCE_NAME \
  --zone=$ZONE \
  --image-family=$IMAGE_FAMILY \
  --image-project=deeplearning-platform-release

Opzioni:

• --image-family deve essere pytorch-latest-cpu o pytorch-VERSION-cpu (ad esempio pytorch-1-13-cpu).

• --image-project deve essere deeplearning-platform-release.

Con una o più GPU

Compute Engine offre la possibilità di aggiungere una o più GPU alle tue istanze di macchine virtuali. Le GPU offrono un'elaborazione più rapida per molte attività complesse di dati e machine learning. Per scoprire di più sulle GPU, consulta la pagina GPU su Compute Engine.

Per creare un'istanza VM per il deep learning con la famiglie di immagini PyTorch più recenti e una o più GPU collegate, inserisci quanto segue nella riga di comando:

export IMAGE_FAMILY="pytorch-latest-gpu"
export ZONE="us-west1-b"
export INSTANCE_NAME="my-instance"

gcloud compute instances create $INSTANCE_NAME \
  --zone=$ZONE \
  --image-family=$IMAGE_FAMILY \
  --image-project=deeplearning-platform-release \
  --maintenance-policy=TERMINATE \
  --accelerator="type=nvidia-tesla-v100,count=1" \
  --metadata="install-nvidia-driver=True"

Opzioni:

• --image-family deve essere pytorch-latest-gpu o pytorch-VERSION-CUDA-VERSION (ad esempio pytorch-1-10-cu110).

• --image-project deve essere deeplearning-platform-release.

• --maintenance-policy deve essere TERMINATE. Per saperne di più, consulta Restrizioni GPU.

• --accelerator specifica il tipo di GPU da utilizzare. Deve essere specificato nel formato --accelerator="type=TYPE,count=COUNT". Ad esempio: --accelerator="type=nvidia-tesla-p100,count=2". Consulta la tabella dei modelli di GPU per un elenco dei tipi e dei conteggi di GPU disponibili.

  Non tutti i tipi di GPU sono supportati in tutte le regioni. Per maggiori dettagli, consulta Disponibilità di regioni e zone GPU.

• --metadata viene utilizzato per specificare che il driver NVIDIA deve essere installato per tuo conto. Il valore è install-nvidia-driver=True. Se specificato, Compute Engine carica il driver stabile più recente al primo avvio ed esegue i passaggi necessari (incluso un riavvio finale per attivare il driver).

Se hai scelto di installare i driver NVIDIA, attendi 3-5 minuti per il completamento dell'installazione.

Potrebbero essere necessari fino a 5 minuti prima del completamento del provisioning della VM. Durante questo periodo, non potrai accedere tramite SSH alla tua macchina. Al termine dell'installazione, per verificare che l'installazione del driver sia andata a buon fine, puoi eseguire SSH ed eseguire nvidia-smi.

Dopo aver configurato l'immagine, puoi salvare uno snapshot in modo da poter avviare le istanze derivate senza dover attendere l'installazione del driver.

Creazione di un'istanza prerilasciabile

Puoi creare un'istanza VM di deep learning prerilasciabile. Un'istanza prerilasciabile è un'istanza che puoi creare ed eseguire a un prezzo molto inferiore rispetto alle istanze normali. Tuttavia, Compute Engine potrebbe arrestare (prerilasciare) queste istanze se ha bisogno di accedere alle loro risorse per altre attività. Le istanze preemptible si arrestano sempre dopo 24 ore. Per scoprire di più sulle istanze prerilasciabili, consulta Istanze VM prerilasciabili.

Per creare un'istanza VM di deep learning preemptible:

• Segui le istruzioni riportate sopra per creare una nuova istanza utilizzando la riga di comando. Al comando gcloud compute instances create, aggiungi quanto segue:

    --preemptible

Passaggi successivi

Per istruzioni su come connetterti alla nuova istanza VM per il deep learning tramite la console Google Cloud o la riga di comando, consulta Connessione alle istanze. Il nome dell'istanza è il nome del deployment specificato con l'aggiunta di -vm.