问如何在本地运行python代码，但使用云计算资源来执行？

EN

GCE 1.正如你所注意到的，由于免费试用程序的限制，“上传我本地windows机器的自定义镜像”到是不可行的。

Google Cloud Platform Free Tier > 12-month, $300 free trial

计划覆盖范围。

您的免费试用积分适用于所有Google Cloud资源，但以下情况除外：

• 您不能创建基于Windows Server映像的VM实例。您必须使用upgrade your account才能执行上述列表中的任何操作。

2.嵌套虚拟化在这种情况下也不太可能工作。

Compute Engine > Doc > Enabling nested virtualization for VM instances > Restrictions

限制

只有在实例上运行的基于KVM的虚拟机管理程序才支持

• 嵌套虚拟化。Hyper-V、ESX和Xen虚拟机管理程序不是supported.
• Windows虚拟机不支持嵌套虚拟化；也就是说，主机虚拟机必须运行Linux操作系统。但是，嵌套的虚拟机可以运行某些Windows OSes (如下所述)。

Tested KVM versions

装有内核版本4.9的

• Debian9托管以下嵌套虚拟机：
  • Windows Server2016数据中心虚拟机

可以考虑在具有Python和软件的GCE中使用 Linux。

Project Jupyter > Installing the Jupyter Software

JupyterLab 2.1.5 documentation > Installation

如果您使用pip，您可以使用以下命令安装它：

$ pip install jupyterlab

除了官方文档之外，还有许多安装示例。例如这一条：

How To Set Up Jupyter Notebook with Python 3 on Ubuntu 18.04

第1步-设置Python

$ sudo apt update

$ sudo apt install python3-pip python3-dev

第2步-为Jupyter创建Python虚拟环境

$ sudo -H pip3 install --upgrade pip

$ sudo -H pip3 install virtualenv

$ mkdir ~/my_project_dir

$ cd ~/my_project_dir

$ virtualenv my_project_env

第3步-安装Jupyter

$ pip install jupyter

第4步-运行Jupyter Notebook

$ jupyter notebook

4.管理的Jupyter工具-谷歌云数据实验室-在这种情况下可能是一个解决方案。它可以作为免费试用。

Cloud Datalab

集成和开源

Cloud Datalab建立在Jupyter (以前的IPython)上，Jupyter拥有蓬勃发展的模块生态系统和强大的知识库。Cloud Datalab支持使用Python、SQL和JavaScript (用于BigQuery用户定义函数)在BigQuery、AI平台、计算引擎和云存储上分析数据。

IPython支持

IPython基于Jupyter (以前是IPython)，因此您可以使用大量现有的包进行统计、机器学习等。

Datalab > Doc > Resources > Cloud Datalab Pricing

使用谷歌云数据实验室是免费的。但是，您需要为您在Cloud Datalab中使用的任何Google Cloud Platform资源付费，例如：

• 计算资源:从创建云数据实验室虚拟机实例到删除云数据实验室虚拟机实例的整个过程中，您都会产生成本。您可以选择机器类型。当您不使用them.
• Storage资源时，您可以通过停止云计算引擎VM实例来最小化成本:笔记本保存到永久磁盘并备份到谷歌云Storage.
• Data分析服务:在云数据实验室笔记本中发出BigQuery查询时，您会产生谷歌SQL成本。此外，当您使用Google Cloud Machine Learning时，您可能会遇到云机器学习引擎和/或Google Cloud Dataflow资源:您可能会因在Cloud Datalab notebook environment.

中提出的其他charges.

• Other请求而产生费用