Google Cloud Computing（ubuntu版）

最新推荐文章于 2024-06-21 00:28:06 发布

原创最新推荐文章于 2024-06-21 00:28:06 发布 · 2.4k 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#Google Cloud Compute

AWS&amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;GCC 专栏收录该内容

1 篇文章

订阅专栏

本文详细介绍如何在Google Cloud上创建GPU实例，包括Ubuntu和Deepin系统的操作步骤，以及通过gcloud SDK进行文件传输的方法。此外，还提供了安装CUDA、CuDNN、Anaconda和PyTorch的具体命令，帮助读者快速搭建深度学习环境。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Google Cloud Computing（ubuntu/Deepin）

1. 创建实例以及文件传输

第一步：在google cloud上创建实例
这里写图片描述
第二步：本地安装google cloud sdk，并授权，
Ubuntu:

sudo snap install google-cloud-sdk --classic
gcloud auth login
gcloud init

Deepin: 参考https://cloud.google.com/sdk/downloads#apt-get

export CLOUD_SDK_REPO="cloud-sdk-$(lsb_release -c -s)"

echo "deb http://packages.cloud.google.com/apt $CLOUD_SDK_REPO main" | sudo tee -a /etc/apt/sources.list.d/google-cloud-sdk.list

sudo apt-get install curl
curl https://packages.cloud.google.com/apt/doc/apt-key.gpg | sudo apt-key add -

sudo apt-get update 
sudo apt-get install google-cloud-sdk

gcloud init

之后会弹出网页要求登录谷歌账号验证。
第三步：利用gcloud连接到实例。
选择查看gcloud命令。
这里写图片描述
在ubuntu terminal输入gcloud 命令行，e.g.

gcloud compute --project "PROJECT ID" ssh --zone "us-west1-b" "instance-1"

之后会自动创建ssh key。
之后即可连接上instance,
这里写图片描述

第四步：从本地向实例上传文件(夹)和下载文件(夹)。
新启动一个terminal，

上传：将本地文件test上传到实例文件夹test_folder中，例如
gcloud compute --project "PROJECT ID" scp test instance-1:~/test_folder
将本地文件夹test2上传到实例文件夹test_folder中，例如
gcloud compute --project "PROJECT ID" scp --recurse test2 instance-1:./test_folder
下载：将实例中文件test下载到本地，例如
gcloud compute --project "PROJECT ID" scp instance-1:~/test_folder/test ./
将实例中文件夹test_folder下载到本地，
gcloud compute --project "PROJECT ID" scp --recurse instance-1:~/test_folder ./

2. 安装CUDA和CuDNN

安装CUDA 8.0 及Nvidia Driver
在实例中运行，

sudo su
    #!/bin/bash
echo "Checking for CUDA and installing."
    # Check for CUDA and try to install.
if ! dpkg-query -W cuda; then
  # The 16.04 installer works with 16.10.
  curl -O http://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_8.0.61-1_amd64.deb
  dpkg -i ./cuda-repo-ubuntu1604_8.0.61-1_amd64.deb
  apt-get update
  # apt-get install cuda -y
  sudo apt-get install cuda-8-0
fi

之后运行，

    echo 'export CUDA_HOME=/usr/local/cuda' >> ~/.bashrc
    echo 'export PATH=$PATH:$CUDA_HOME/bin' >> ~/.bashrc
    echo 'export LD_LIBRARY_PATH=$CUDA_HOME/lib64' >> ~/.bashrc
    source ~/.bashrc

安装CuDNN 7.1
下载CuDNN本地再上传到实例。
https://developer.nvidia.com/rdp/cudnn-archive
https://developer.nvidia.com/compute/machine-learning/cudnn/secure/v7.1.3/prod/8.0_20180414/cudnn-8.0-linux-x64-v7.1
在实例中运行，

cd $HOME
tar xzvf cudnn-8.0-linux-x64-v7.1.tgz
sudo cp cuda/lib64/* /usr/local/cuda/lib64/
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/
rm -rf ~/cuda
rm cudnn-8.0-linux-x64-v7.1.tgz

3. 安装Anaconda及pytorch

下载Anaconda到本地并上传到实例中
https://repo.anaconda.com/archive/Anaconda3-5.2.0-Linux-x86_64.sh
在实例中运行如下命令安装

bash Anaconda3-5.2.0-Linux-x86_64.sh

之后运行如下命令激活安装

source ~/.bashrc
export PATH=~/anaconda3/bin:$PATH

安装pytorch
https://pytorch.org/