Canonical
18 March 2026
Google CloudでDeep Learning VMを起動するには
Deep Learning環境の設定は簡単ではありません。CUDAドライバーの管理、Pythonライブラリの競合解消、十分なGPU性能の確保など、コードを書くよりも環境設定に時間がかかることがよくあります。
Google CloudとCanonicalは協力し、Ubuntuアクセラレータ最適化OSを基本OSとしたDeep Learning VMイメージでこの問題を解決します。Deep Learning VMイメージとは、データサイエンスと機械学習のタスク向けに設定を済ませた仮想マシンです。PyTorchなどの一般的なフレームワークや必要なNVIDIAのドライバーもすでにインストールされています。
このガイドでは、GCPのコンソールを使用してDeep Learning VMを起動し、ソフトウェアスタックを検証してすぐにトレーニングを開始する方法を説明します。
Deep Learning VMを使用する理由
- インストール済みのフレームワーク：汎用ライブラリを手動でpip installする必要はありません。
- GPUに対応：NVIDIAのドライバーがすでにインストール/検証されています。
- Jupyterを統合：設定なしでJupyterLabにシームレスにアクセスできます。
GCPでDeep Learning VMを作成するには
ステップ1：GCP Marketplaceを開く
まず、Google Cloudコンソールにログインします。ここでは一般的なCompute Engineのインスタンスを作成するのではなく、GCP Marketplaceにある専用のイメージを使用します。
- Google Cloudコンソールを開きます。
- 一番上の検索バーに「Deep Learning VM」と入力します。
- Googleが公開するDeep Learning VMを選択します。
ステップ2：インスタンスを設定する
MarketplaceのDeep Learning VMページが開いたら [Launch] をクリックします。これで環境設定画面が開きます。モデルの処理性能を設定してください。
注意の必要な設定は以下のとおりです。
- ゾーン：使用する具体的なGPUに対応するゾーンを選択します（私の場合はus-central1-fゾーン）。
- マシンの種類：GPUが不要の場合は、ニーズに合ったCPUとRAMの組み合わせを選択します。
- GPUの種類：NVIDIA T4、A100、H100など、GPUの種類を入力します。
Google CloudコンソールでVMのインスタンスを設定します。
選択した後で [Deploy] をクリックします。
ステップ3：接続して検証する
VMのデプロイは1～2分で完了します。[Compute Engine] > [VM Instances] ページに表示されるはずです。
マシンにアクセスするには、新しいインスタンスの横にあるSSHのボタンをクリックします。これでブラウザでターミナルウィンドウが開きます。
ステップ4：ソフトウェアスタックとドライバーを確認する
すべて正常に動作するかチェックしましょう。
1. NVIDIAのドライバーを確認する
GPUを使用する場合、最も重要なのはドライバーが正常に読み込まれていることの確認です。SSHターミナルで以下のコマンドを実行します：
nvidia-smi
GPU（A100など）とCUDAのバージョンを表示した表が表示されます。
2. インスタンス済みのソフトウェアを確認する
GoogleのDeep Learning VMでは、通常、PyTorchがすでに設定されています。インストールされたパッケージに使いたいライブラリが入っていることを確認します。
pip show torch
結び
これで完了！ すべて設定済みのDeep Learning環境を数分で構築できました。ターミナルからすぐにトレーニングスクリプトを実行できます。
注意事項：GPUを使用したDeep Learning VMはコストがかかります。使わないときはインスタンスを停止し、想定外の支出を防ぐことをおすすめします。
