GCP에서 딥러닝을 위한 VM 인스턴스 생성

구글 클라우드 플랫폼(Google Cloud Platform, GCP)에 딥러닝 환경을 구축하고 이를 통해 실습할 수 있는 방법에 대해 설명합니다.

이 문서에서 다루는 주요 내용은 다음과 같습니다.

1. 딥러닝을 위한 VM 인스턴스 생성 과정
2. 로컬 컴퓨터에서 VM 인스턴스에 연결하는 과정
3. 로컬 컴퓨터에서 JupyterLab에 연결하는 과정

1. 브라우저에서 Google Cloud Console 연결

1. 브라우저로 Google Cloud Console에 연결하고 로그인
2. 프로젝트 선택하고 프로젝트 ID 확인
   • 프로젝트 ID: my_project

2. “Deep Learning VM” 이미지로 VM 인스턴스 생성

1. 좌측 상단 탐색 메뉴에서 Marketplace 항목 선택
2. 검색 창에 "deep learning vm"을 입력하고 엔터
3. 검색 결과에서 아래 항목 클릭
   • Deep Learning VM - Google Click to Deploy - 가상 머신
     • OS: Debian 10 또는 11
4. 실행 버튼 클릭
5. 아래와 같이 입력 또는 선택 (항목별 값은 각자의 상황에 맞게 변경)
   • 배포 구성 예시 1 (예상 월별 총액 KRW 859,668/월)
     • Deployment
       • Deployment name: deeplearning-1
       • Zone: asia-northeast3-b
       • Machien type: GPU
         • GPU 유형: NVIDIA T4
         • GPU 수: 1
         • 머신 유형: n1-highmem-8(vCPU 8개, 코어 4개, 메모리 52GB)
         • Framework: PyTorch 2.4 (CUDA 12.4, Python 3.10)
     • GPU
       • Checked: Install NVIDIA GPU driver automatically on first startup?
     • Access to the Jupyter Lab
       • Checked: Enable access to JupyterLab via URL instead of SSH. (Beta)
     • Boot Disk
       • Boot disk type: SSD Persistent Disk
       • Boot disk size in GB: 1024
     • Networking
       • 네트워크 인터페이스: default
   • 배포 구성 예시 2 (예상 월별 총액 KRW 3,162,624/월)
     • Deployment
       • Deployment name: deeplearning-2
       • Zone: asia-northeast3-b
       • Machien type: GPU
         • GPU 유형: NVIDIA A100 40GB
         • GPU 수: 1
         • 머신 유형: a2-highgpu-1g(vCPU 12개, 코어 6개, 메모리 85GB)
         • Framework: PyTorch 2.4 (CUDA 12.4, Python 3.10)
     • GPU
       • Checked: Install NVIDIA GPU driver automatically on first startup?
     • Access to the Jupyter Lab
       • Checked: Enable access to JupyterLab via URL instead of SSH. (Beta)
     • Boot Disk
       • Boot disk type: SSD Persistent Disk
       • Boot disk size in GB: 1024
     • Networking
       • 네트워크 인터페이스: default
6. 배포 버튼 클릭 (배포 완료까지 약 3~ 5분 소요)
7. 좌측 상단 탐색 메뉴에서 VM 인스턴스 항목 선택
8. 배포한 인스턴스 deeplearning-1-vm 또는 deeplearning-2-vm 클릭하여 세부 정보 확인

3. SSH로 VM 연결하기

3.1. 브라우저에서 SSH를 통해 연결

1. Google Cloud Console 좌측 상단 탐색 메뉴에서 VM 인스턴스 항목 선택
2. 인스턴스 목록에서 deeplearning-1-vm 항목의 SSH 옆에 있는 펼침 메뉴 클릭
3. 펼침 메뉴에서 브라우저 창에서 열기 항목 클릭
4. 브라우저 창으로 열린 터미널에서 쉘 명령어를 실행하거나 파일 업로드/다운로드 작업 수행

3.2. Cloud Shell에서 gcloud CLI로 SSH 연결

1. Google Cloud Console 우측 상단 아이콘 메뉴에서 Cloud Shell 활성화 항목 선택
2. Shell 창에서 gcloud compute ssh deeplearning-1-vm 명령 실행
   • 터미널 프로그램이 실행되면서 VM 인스턴스에 연결함
3. 터미널 창에서 쉘 명령어를 실행

3.3. 로컬 컴퓨터에서 gcloud CLI로 SSH 연결

1. gcloud CLI 설치
   • SSH 클라이언트 프로그램(예: PuTTY)을 실행하고자 하는 컴퓨터에서 gcloud CLI 설치
2. Google Cloud SDK Shell 실행
   • Windows의 경우 전체 프로그램 목록에서 Google Cloud SDK Shell 항목 클릭
3. SSH 연결
   • Google Cloud SDK Shell 창에서 아래와 같이 명령 실행

     gcloud compute ssh \
         --project my_project \
         --zone asia-northeast3-b \
         deeplearning-1-vm \
         -- -L 8080:localhost:8080
     

     PuTTY 터미널 프로그램이 실행되면서 VM 인스턴스에 연결함
4. PuTTY 터미널 창에서 쉘 명령어를 실행

4. JupyterLab 연결하기

Deep Learning VM 이미지로 생성한 인스턴스를 시작하면 JupyterLab 세션이 초기화됩니다.

4.1. SSH 포트 전달을 통한 JupyterLab 연결

1. Cloud Shell 또는 로컬 컴퓨터의 Google Cloud SDK Shell에서 Google Cloud CLI를 사용하여 다음 명령어 실행

   gcloud compute ssh \
       --project my_project \
       --zone asia-northeast3-b \
       deeplearning-1-vm
       -- -L 8080:localhost:8080
   

2. 로컬 브라우저를 통해 http://localhost:8080 열기
   • Cloud Shell 터미널의 경우 우측 상단 웹 미리보기 아이콘 클릭
3. JupyterLab에서 노트북을 생성하고 실행합니다.

5. 참고 문서

• Compute Engine 가이드
• Linux VM에 연결
• gcloud CLI 설치
• Jupyter Lab에 연결
• GPU 리전 및 영역

Written with StackEdit.