Step 1：安装Google Cloud SDK
GCP注册账号并领取300刀免费credit之后，可以现在本机安装google cloud SDK. 然后就可以在终端上使用gcloud command.
Step 2:增加配额
在“导航菜单”找IAM和管理这个选项并选择配额
进入页面后，服务选择Compute Engine API, 指标选GPUs(all regions)。然后填写手机号和申请理由，然后确认。大约2小时后会收到一封邮件，通知你配额申请成功，然后我们就可以使用带GPU的compute engine啦！
关于compute engine的配置就根据个人要求。我们可以用它默认名字instance-1。 可选择CPU2个， 13GB内存，任意GPU一个（注意价格），Ubuntu 16.04 LTS，磁盘256GB。
然后确定就可以了。
连接Instance
因为先前已经装好gcloud sdk。这里就可以简单用gcloud 指令连接instance.
$ gcloud compute ssh instance-1
现在应该已经顺利进入刚才配置好的GPU instance了。接下来要安装机器学习的基本软件包Tensorflow GPU， CUDA(GPU的驱动)，和Anaconda.
安装CUDA
$ curl -O https://developer.download.nvidia.com/compute/cuda/repos/ubuntu1604/x86_64/cuda-repo-ubuntu1604_8.0.61-1_amd64.deb
$ sudo dpkg -i cuda-repo-ubuntu1604_8.0.61-1_amd64.deb
$ sudo apt-get update
$ sudo apt-get install cuda-9-0
$ sudo nvidia-smi -pm 1
$ sudo nvidia-smi -ac 2505,875
$ 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
$ nvidia-smi
如果能看到如下页面就是安装成功了。
安装Anaconda
$ curl -O https://repo.continuum.io/archive/Anaconda3-5.0.1-Linux-x86_64.sh
$ sha256sum Anaconda3-5.0.1-Linux-x86_64.sh
$ bash Anaconda3-5.0.1-Linux-x86_64.sh
$ source ~/.bashrc
$ conda list
Virtual Environment
$ conda create --name tf_gpu tensorflow-gpu
在建立虚拟环境的时候发现又很多版本之间不匹配的问题，最后发现最省事的方法就是直接用tensorflow-gpu这个包建立环境。
但这个包还是差一些pandas opencv和Pillow这些基础包，记得要手动安装。
$ screen -S test1
建立一个新的screen进入后再运行，之后方便后台运行。
$ source activate tf_gpu
激活这个环境，然后就可以在这个环境里跑你的深度学习模型啦！
关于scp上传/下载文件
scp -i private key [local_file] [name@外部IP:~]
一些例子：
-i 是上传文件 -r -i是整个路径
上传文件：scp -i ~/.ssh/google_compute_engine ./Downloads/model_classweight_qwk.py jingjingwu@35.193.181.43:~
下载文件：scp -r -i ~/.ssh/google_compute_engine jingjingwu@35.193.181.43:./fit/ ./Downloads
具体可以参考这个网站：https://www.cnblogs.com/no7dw/archive/2012/07/07/2580307.html#4229632
Fin.
