Crea un'istanza VM PyTorch Deep Learning

Questa pagina mostra come creare un'istanza di immagini VM PyTorch Deep Learning con PyTorch e altri strumenti preinstallati. Puoi creare di un'istanza PyTorch da Cloud Marketplace dalla console Google Cloud o dalla riga di comando.

Prima di iniziare

  1. Accedi al tuo account Google Cloud. Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.

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

    Go to project selector

  3. Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.

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

    Go to project selector

  5. Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.

  6. Se utilizzi GPU con la tua Deep Learning VM, controlla della pagina delle quote per assicurarti di avere di GPU disponibili nel tuo progetto. Se nelle quote non sono elencate le GPU o hai bisogno di una quota GPU aggiuntiva, richiedi un aumento della quota.

Creazione di un'istanza VM PyTorch Deep Learning da Cloud Marketplace

Creazione di un'istanza VM PyTorch Deep Learning da Cloud Marketplace, completa i seguenti passaggi:

  1. Vai alla pagina di Cloud Marketplace per Deep Learning VM in la console Google Cloud.

    Vai alla pagina di Cloud Marketplace per Deep Learning VM

  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 denomina l'istanza.

  4. Seleziona una Zona.

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

  6. In GPU, seleziona il tipo di GPU e il numero di GPU. Se non vuoi usare 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 richiesto un driver NVIDIA. Puoi installare il driver o seleziona Installa automaticamente il driver GPU NVIDIA alla prima avvio.

  9. Puoi selezionare Abilita l'accesso a JupyterLab tramite URL anziché SSH (beta). L'attivazione di questa funzione beta ti consente accedi a JupyterLab utilizzando un URL. Chiunque abbia il ruolo di Editor o Proprietario nel tuo Il progetto Google Cloud può accedere a questo URL. Al momento, questa funzione è disponibile solo in Stati Uniti, Unione Europea e Asia.

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

  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 l'installazione per completare l'operazione.

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

Creazione di un'istanza VM PyTorch Deep Learning dalla riga di comando

Utilizzare Google Cloud CLI per creare una nuova Deep Learning VM devi prima installare e inizializzare Google Cloud CLI:

  1. Scarica e installa Google Cloud CLI utilizzando le istruzioni fornite in Installazione di Google Cloud CLI.
  2. Inizializza l'SDK utilizzando le istruzioni fornite in Inizializzare Cloud l'SDK.

Per utilizzare gcloud in Cloud Shell, attiva prima Cloud Shell tramite istruzioni fornite in Avvio di Cloud Shell.

Senza GPU

Creare un'istanza VM di Deep Learning con l'ultima famiglia di immagini PyTorch e un 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 es. 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 di Compute Engine. Le GPU offrono un'elaborazione più rapida di molti dati complessi e machine learning. Per ulteriori informazioni sulle GPU, consulta GPU on Compute Engine.

Per creare un'istanza VM di deep learning con il la più recente famiglia di immagini PyTorch 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 es. pytorch-1-10-cu110).

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

  • --maintenance-policy deve essere TERMINATE. Per saperne di più, vedi Restrizioni delle 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". Guarda i modelli di GPU tavola 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, vedi 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, compreso il riavvio finale per attivare il conducente).

Se hai scelto di installare i driver NVIDIA, attendi 3-5 minuti per l'installazione per completare l'operazione.

Potrebbero essere necessari fino a 5 minuti prima che il provisioning della VM venga completato. In questo non sarà possibile utilizzare SSH per accedere alla macchina. Quando viene eseguita l'installazione per assicurarti che l'installazione del driver sia andata a buon fine, puoi Accedi tramite SSH ed esegui nvidia-smi.

Dopo aver configurato l'immagine, puoi salvare un'istantanea in modo da poter iniziare a estrarre istanze senza dover aspettare per l'installazione del driver.

Creazione di un'istanza prerilasciabile

Puoi creare un'istanza VM di Deep Learning prerilasciabile. Un elemento prerilasciabile è un'istanza che puoi creare ed eseguire a un prezzo di molto inferiore rispetto a normali. Tuttavia, Compute Engine potrebbe arrestare (prerilasciare) questi se richiede l'accesso a queste risorse per altre attività. Le istanze prerilasciabili vengono sempre arrestate dopo 24 ore. Per scoprire di più su prerilasciabili, consulta VM prerilasciabili Istanze.

Per creare un'istanza VM di Deep Learning prerilasciabile:

  • Segui le istruzioni riportate sopra per creare una nuova istanza utilizzando il metodo dall'interfaccia a riga di comando. Al comando gcloud compute instances create, aggiungi la macro seguenti:

      --preemptible

Passaggi successivi

Per istruzioni sulla connessione alla tua nuova istanza Deep Learning VM tramite la console Google Cloud o la riga di comando, consulta Connessione a Istanze. Nome istanza è il Nome deployment specificato con l'aggiunta di -vm.