透過 Cloud Marketplace 建立深度學習 VM 執行個體

本頁面說明如何在Google Cloud 主控台中透過 Cloud Marketplace 建立深度學習 VM 映像檔執行個體，而不必使用指令列。

事前準備

  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.

    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.

    Go to project selector

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

  6. 選擇要使用的特定深度學習 VM 映像檔。請根據您偏好的架構和處理器類型進行選擇。
  7. 如果您要搭配 GPU 使用深度學習 VM，請查看配額頁面，確保您的專案有足夠的 GPU。如果配額頁面未列出 GPU，或您需要額外的 GPU 配額，請要求增加配額。

    8. 建立執行個體

    1. 前往 Google Cloud 主控台的「Deep Learning VM Cloud Marketplace」(深度學習 VM Cloud Marketplace) 頁面。

      前往「Deep Learning VM Cloud Marketplace」(深度學習 VM Cloud Marketplace) 頁面

    2. 按一下「開始使用」。

    3. 輸入「Deployment name」(部署作業名稱)，這會是您 VM 名稱的根。Compute Engine 在為執行個體命名時，會在這個名稱後方加上 -vm。

    4. 選取「區域」。

    5. 在「Machine type」(機器類型) 下方，選取您要為 VM 使用的規格。進一步瞭解機器類型。

    6. 在「GPUs」下方，選取「GPU 類型」和「GPU 數量」。如果您不想使用 GPU，請按一下「Delete GPU」按鈕，然後跳至步驟 7。進一步瞭解 GPU。

      1. 選取「GPU type」(GPU 類型)。某些區域僅支援部分 GPU 類型。找出支援的組合。
      2. 選取「GPU 數量」。每種 GPU 所支援的 GPU 數量都不相同。找出支援的組合。

    7. 選取機器學習架構。

    8. 如果您使用的是 GPU，則需要 NVIDIA 驅動程式。您可以自行安裝驅動程式，也可以選取「在第一次啟動時自動安裝 NVIDIA GPU 驅動程式」。

    9. 您可以選擇「Enable access to JupyterLab via URL instead of SSH (Beta)」。啟用這項 Beta 版功能後，您就能使用網址存取 JupyterLab 執行個體。 Google Cloud 專案中具有編輯者或擁有者角色的使用者都可存取這個網址。這項功能目前僅適用於美國、歐盟和亞洲。

    10. 選取開機磁碟類型和開機磁碟大小。

    11. 選取所需的網路設定。

    12. 按一下 [Deploy] (部署)。

    如果您選擇安裝 NVIDIA 驅動程式，安裝作業需要 3 到 5 分鐘才能完成。

    VM 部署完成後，這個頁面會更新，並提供存取該執行個體的操作說明。

    後續步驟

    如要瞭解如何透過 Google Cloud 主控台或指令列連線至新的深度學習 VM 執行個體，請參閱「連線至執行個體」一文。執行個體名稱是您指定的「部署作業名稱」，後面加上 -vm。