Google Compute Engine Linux Image Packages 指南

Google Compute Engine Linux Image Packages 指南

compute-image-packagesPackages for Google Compute Engine Linux images.项目地址:https://gitcode.com/gh_mirrors/co/compute-image-packages

1. 目录结构及介绍

该开源项目位于 GitHub 上,主要服务于构建和维护Google Compute Engine(GCE)上运行的Linux镜像的软件包集合。其目录结构如下所示,重点模块简述如下:

  • root: 项目根目录。
    • packages: 包含用于定制GCE Linux映像的各个软件包。
    • CONTRIB.md: 贡献指南,说明了如何参与项目贡献。
    • LICENSE: 许可证文件,声明了该项目遵循Apache 2.0许可协议。
    • README.md: 项目的主要文档,概述了Linux Guest Environment和相关软件包的信息以及分布位置。

2. 项目启动文件介绍

本项目并非传统意义上的应用,没有单一的“启动文件”。它的“启动”更多地指代在GCE上的部署和启用过程,这一过程涉及到通过命令添加仓库、安装必要的软件包等操作。对于创建自定义镜像,关键在于执行以下Debian系统下的命令来设置仓库和安装维护所需的软件包,这可以看作是一种“启动配置”流程的一部分:

# 添加公共存储库密钥
curl https://packages.cloud.google.com/apt/doc/apt-key.gpg | sudo apt-key add -
DIST=stretch # 或者根据需要设置为buster
sudo tee /etc/apt/sources.list.d/google-cloud.list << EOM
deb http://packages.cloud.google.com/apt google-compute-engine-${DIST}-stable main
deb http://packages.cloud.google.com/apt google-cloud-packages-archive-keyring-${DIST} main
EOM
sudo apt update
sudo apt install -y google-cloud-packages-archive-keyring

3. 项目的配置文件介绍

  • /etc/apt/sources.list.d/google-cloud.list:这个文件是添加到系统中的源列表配置文件,它指定从哪里下载Google Compute Engine的相关软件包。用户需要根据自己的操作系统版本调整DIST变量(如上述示例中的stretchbuster),以确保正确安装对应的软件包。

项目中并没有明确列出其他具体配置文件,因为大部分配置和管理是通过对Debian/Ubuntu的apt系统进行的,或是在创建GCE实例时通过附加的Guest OS Features进行配置。用户可能还需要根据各自应用场景调整系统的常规配置文件,但这超出了项目本身提供的范畴,更依赖于Linux系统管理和特定应用的需求。


以上是对GoogleCloudPlatform/compute-image-packages项目的一个基本概览,着重于理解其结构和在Google Compute Engine环境中的基本操作方法,而不是提供一个应用程序的启动或配置文件的详细解析。

compute-image-packagesPackages for Google Compute Engine Linux images.项目地址:https://gitcode.com/gh_mirrors/co/compute-image-packages

Epoch 1/10 2023-07-22 21:56:00.836220: W tensorflow/core/framework/op_kernel.cc:1807] OP_REQUIRES failed at cast_op.cc:121 : UNIMPLEMENTED: Cast string to int64 is not supported Traceback (most recent call last): File "d:\AI\1.py", line 37, in <module> model.fit(images, labels, epochs=10, validation_split=0.2) File "D:\AI\env\lib\site-packages\keras\utils\traceback_utils.py", line 70, in error_handler raise e.with_traceback(filtered_tb) from None File "D:\AI\env\lib\site-packages\tensorflow\python\eager\execute.py", line 52, in quick_execute tensors = pywrap_tfe.TFE_Py_Execute(ctx._handle, device_name, op_name, tensorflow.python.framework.errors_impl.UnimplementedError: Graph execution error: Detected at node 'sparse_categorical_crossentropy/Cast' defined at (most recent call last): File "d:\AI\1.py", line 37, in <module> model.fit(images, labels, epochs=10, validation_split=0.2) File "D:\AI\env\lib\site-packages\keras\utils\traceback_utils.py", line 65, in error_handler return fn(*args, **kwargs) File "D:\AI\env\lib\site-packages\keras\engine\training.py", line 1685, in fit tmp_logs = self.train_function(iterator) File "D:\AI\env\lib\site-packages\keras\engine\training.py", line 1284, in train_function return step_function(self, iterator) File "D:\AI\env\lib\site-packages\keras\engine\training.py", line 1268, in step_function outputs = model.distribute_strategy.run(run_step, args=(data,)) File "D:\AI\env\lib\site-packages\keras\engine\training.py", line 1249, in run_step outputs = model.train_step(data) File "D:\AI\env\lib\site-packages\keras\engine\training.py", line 1051, in train_step loss = self.compute_loss(x, y, y_pred, sample_weight) File "D:\AI\env\lib\site-packages\keras\engine\training.py", line 1109, in compute_loss return self.compiled_loss( File "D:\AI\env\lib\site-packages\keras\engine\compile_utils.py", line 265, in __call__ loss_value = loss_obj(y_t, y_p, sample_weight=sw) File "D:\AI\env\lib\site-packages\keras\losses.py", line 142, in __call__ losses = call_fn(y_true, y_pred) File "D:\AI\env\lib\site-packages\keras\losses.py", line 268, in call return ag_fn(y_true, y_pred, **self._fn_kwargs) File "D:\AI\env\lib\site-packages\keras\losses.py", line 2078, in sparse_categorical_crossentropy return backend.sparse_categorical_crossentropy( File "D:\AI\env\lib\site-packages\keras\backend.py", line 5610, in sparse_categorical_crossentropy target = cast(target, "int64") File "D:\AI\env\lib\site-packages\keras\backend.py", line 2304, in cast return tf.cast(x, dtype) Node: 'sparse_categorical_crossentropy/Cast' Cast string to int64 is not supported [[{{node sparse_categorical_crossentropy/Cast}}]] [Op:__inference_train_function_1010]
07-23
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

陆蜜彬

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值