我需要使用基于TensorFlow的神经网络架构（PointNet https://github.com/charlesq34/pointnet）来执行一些机器学习任务。由于我没有所需的物理资源，我希望利用云基础设施来完成这项工作。客户的要求是，他们希望在训练结束后获得我使用的整个设置好的机器，而不仅仅是最终模型。因为他们是研究人员，希望自己使用这台机器，探索和理解我所做的事情，但他们不希望自己进行设置和安装工作。遗憾的是，他们目前无法提供自己的（物理或虚拟）机器。
问题是：是否可以合理地在像谷歌云或AWS这样的云基础设施提供商上设置一台机器，安装所需的软件（使用Nvidia Cuda），并在适当的硬件可用时导出这台机器，导入到虚拟化工具（如Virtual Box）中，并在自己的系统上继续使用？安装的GPU/Cuda相关软件如TensorFlow等是否还能正常工作？
回答：
我认为这是可能的，但需要配置特定的硬件才能在本地环境中正常工作。
对于Google Cloud Platform，深度学习容器的介绍将允许你创建可移植的环境。
深度学习容器是一组预装了关键数据科学框架、库和工具的Docker容器。这些容器为你提供性能优化的、一致的环境，可以帮助你快速原型设计和实现工作流程。了解更多信息。
此外，请查看使用GPU加速器运行实例
Google为用户提供了一种无缝的体验，使他们能够在Container-Optimized OS VM实例上运行Docker容器中的GPU工作负载，从而用户可以从其他Container-Optimized OS功能中受益，例如安全性和可靠性。
要在Virtualbox上配置Docker，请查看这个外部博客。
