在 Google Cloud 上为 ML 推送和 运行 python 脚本

Push and run python script on Google Cloud for ML

我最近开始学习 Python 和 ML 使用旧的 Kaggle 空中客车船舶检测竞赛。 我写了一个代码，现在包含两个文件：Decode.py 和 Train.py 以及一些外部模块，用于训练 resnet.py、data_generator.py 等

第一个在我的电脑上运行良好，但对于训练我没有足够的资源（没有好的显卡）。我以为我可以使用 Kaggle 脚本云，但我不能同时使用多个文件（我需要将大量代码从模块复制到主 python 文件，这将开始在该编辑器中真的不可读）。

我决定寻找一个 Google 云平台，但我在那里可以做的事情的可能性实在是太多了，我今天在那里挖了最后几个小时，但我做不到找个地方我可以 运行 我的代码。

你知道我需要带去哪个tutorials/steps吗:

  1. 将我的 repo 推送到 Google Cloud
  2. 从 Kaggle 复制数据集（或者我需要上传它的地方）
  3. 运行 python3 train.py -path "foo"
  4. 检查输出

我可以在 Google 云上做的事情的可能性太多了，我根本不知道从哪里开始。

从步骤来看，我已经采取的是创建付款配置文件、创建回购并将代码推送到 Google 源存储库（我不知道这是否是个好地方 - 我想我不小心创建了一个新网站）并上传了带有训练和测试数据的 zip 文件（我仍然不知道如何解压它，但它正在进行中）。

任何帮助将不胜感激

我发现那里描述的不错的功能： https://towardsdatascience.com/how-to-use-jupyter-on-a-google-cloud-vm-5ba1b473f4c2 与 Google Colab 相比有点不同，但此快速教程显示了您可以将来自 Google Colab 的笔记本文件放在哪里。

您只需将 Colab 中的 /content/ 路径更改为 Google Cloud

中的 /home/jupyter