问题：
哪个谷歌云平台服务最容易运行TensorFlow？
暨弘毅
在处理Udacity深度学习作业时，我遇到了内存问题。我需要切换到云平台。我以前使用AWS EC2，但现在我想尝试谷歌云平台(GCP)。我至少需要8GB内存。我知道如何在本地使用docker，但从未在云上尝试过。
- 在GCP上运行Tensorflow有现成的解决方案吗？
- 如果不是，哪个服务（计算引擎或容器引擎）会使您更容易启动？
- 其他提示也很感激！
共有1个答案
严正诚
- AI平台笔记本-一键Jupyter实验室环境
- 深度学习VMs映像-预装ML库的原始VMs
- 深度学习容器映像-DLVM映像的容器化版本
- 云ML
- 在计算引擎上手动安装。请参阅下面的说明。
- 创建项目
- 打开云壳（顶部的按钮）
- 列出机器类型:
GCloud compute machine-types List。您可以更改我在下一个命令中使用的计算机类型。 - 创建实例:
gcloud compute instances create tf \
--image container-vm \
--zone europe-west1-c \
--machine-type n1-standard-2
我就是这样做的，而且很管用。我相信有一个更容易的方法做这件事。
-
null
-
null
类似资料：
-
上面写着“Google Cloud Messaging(GCM)是一个免费服务”，但是为了使它能够运行，我需要在Google Cloud平台中创建一个项目，这需要花钱…那怎么免费呢？还是我错过了什么？
-
有没有可能重新命名一个谷歌云平台项目？如果是，怎么做？ 我不需要更改项目ID或编号。但我确实想更改项目名称（人类用来标识云平台项目的名称）。 谢谢你的提示！
-
null 我的用户应该能够创建只有计算迫害管理和计算网络管理角色的项目吗？
-
我将为同一个客户端主持多个应用程序。我的想法是每个应用程序的项目，这是一个好主意吗？ 还是把所有应用程序分在前端和后端这样的两个项目中更好？
-
对于这个问题，这里可能是错误的地方，所以如果有必要，请重新指示我。 我使用Google Cloud函数部署了几个简单的函数，它们可以实现以下功能： 从AWS读取文件并写入云SQL 我将这些函数作为单独的函数，因为（1）通常需要比云函数最大超时更长的时间。正因为如此，我正在考虑将这一切作为一项服务转移到App Engine。关于应用程序引擎标准，我的问题是： 请求超时是什么意思？如果我运行这个服务，
-
刚刚在谷歌云平台上使用点击部署安装了mongodb。我有另一个项目，我为其创建了mongodb数据库，我的web应用程序在其中运行。我必须打开一些端口或配置一些东西吗？