Entraînement Cloud TPU v5e
Cloud TPU v5e est l'accélérateur d'IA de dernière génération de Google Cloud. Avec un encombrement réduit de 256 puces par pod, la version v5e est optimisée pour être le produit de plus grande valeur pour l'entraînement, l'ajustement et la diffusion des réseaux de neurones convolutifs, du texte-vers-image et des réseaux de neurones convolutifs.
Concepts, architecture système et configurations de Cloud TPU v5e
Si vous débutez avec les Cloud TPU, consultez la page d'accueil de la documentation TPU.
Les concepts généraux de Cloud TPU (par exemple, les tranches, les hôtes, les puces et les TensorCores) ainsi que l'architecture du système Cloud TPU sont décrits sur la page Architecture système de Cloud TPU.
Chaque version de Cloud TPU nécessite des types d'accélérateurs spécifiques pour l'entraînement et l'inférence. Ces types d'accélérateurs sont décrits dans la section Configurations v5e.
Inférence
L'inférence est le processus qui consiste à utiliser un modèle entraîné pour réaliser des prédictions sur de nouvelles données. Il est utilisé par le processus de diffusion.
Tranches
Une tranche représente un ensemble de puces situées toutes à l'intérieur d'un même pod connectés par des interconnexions de puces à haut débit (ICI). La version v5e présente des formes de tranche 2D. Pour connaître les formes de tranche acceptées, consultez le tableau de la section Configurations v5e.
La forme de puce et la topologie de puce font également référence aux formes de tranche.
Génération
L'inférence consiste à déployer un modèle de machine learning entraîné dans un environnement de production où il peut être utilisé pour réaliser des prédictions ou prendre des décisions. La latence et la disponibilité au niveau du service sont importantes pour la diffusion.
Hôte unique ou multi-hôte
Un hôte est un ordinateur physique (CPU) qui exécute des VM. Un hôte peut exécuter plusieurs VM à la fois.
Les segments d'application utilisant moins de huit chips utilisent au maximum un hôte. Les tranches de plus de huit puces ont accès à plusieurs hôtes et peuvent exécuter un entraînement distribué à l'aide de plusieurs hôtes. Pour en savoir plus sur les tranches et les puces, consultez la page Architecture du système TPU.
La version v5e est compatible avec l'entraînement sur plusieurs hôtes et l'inférence sur plusieurs hôtes (à l'aide de SAX).
VM TPU
Machine virtuelle exécutant Linux ayant accès aux TPU sous-jacents Pour les TPU v5e, chaque VM TPU a un accès direct à 1, 4 ou 8 puces en fonction du type d'accélérateur spécifié par l'utilisateur. Une VM TPU est également appelée nœud de calcul.
Nœud de calcul
Consultez la section VM TPU.
Démarrer
Pour en savoir plus sur le matériel TPU v5e, consultez la page Architecture du système.
Sécuriser la capacité
Contactez le service commercial Cloud pour commencer à utiliser Cloud TPU v5e pour vos charges de travail d'IA.
Préparer un projet Google Cloud
- Connectez-vous à votre compte Google. Si ce n'est pas déjà fait, créez un compte.
- Dans la console Google Cloud, sélectionnez ou créez un projet Google Cloud sur la page du sélecteur de projet.
La configuration de la facturation est requise pour toute utilisation de Google Cloud. Assurez-vous donc que la facturation est activée pour votre projet.
Installez les composants gcloud alpha.
Si vous utilisez TPU et que vous réutilisez des composants
gcloud alpha
existants, mettez-les à jour pour vous assurer que les commandes et les indicateurs pertinents sont pris en charge:gcloud components update
Activez l'API TPU à l'aide de la commande
gcloud
suivante dans Cloud Shell. (Vous pouvez également l'activer à partir de la console Google Cloud.)gcloud services enable tpu.googleapis.com
Activez le compte de service TPU.
Les comptes de service permettent au service Cloud TPU d'accéder à d'autres services Google Cloud. L'utilisation d'un compte de service géré par l'utilisateur est une pratique recommandée dans Google Cloud. Suivez ces guides pour créer et attribuer des rôles. Les rôles suivants sont nécessaires:
- Administrateur TPU
- Administrateur Storage: nécessaire pour accéder à Cloud Storage.
- Rédacteur de journaux: nécessaire pour écrire des journaux avec l'API Logging.
- Rédacteur de métriques Monitoring: nécessaire pour écrire des métriques dans Cloud Monitoring.
Configurez le projet et la zone.
L'ID de votre projet est le nom de votre projet, affiché dans la console Cloud.
export PROJECT_ID=your-project-id export ZONE=us-west4-a gcloud compute tpus tpu-vm service-identity create --zone=${ZONE} gcloud auth login gcloud config set project ${PROJECT_ID} gcloud config set compute/zone ${ZONE}
Provisionner l'environnement Cloud TPU
Il est recommandé de provisionner des Cloud TPU v5 en tant que ressources en file d'attente à l'aide de la commande queued-resource create
. Toutefois, vous pouvez également utiliser l'API Create Node (gcloud alpha compute tpus tpu-vm create
) pour provisionner des Cloud TPU v5.
Créez des variables d'environnement
Définissez les variables d'environnement nécessaires pour créer des TPU.
Remplacez les variables (en rouge) de la liste suivante par les valeurs que vous utiliserez pour votre tâche d'entraînement ou d'inférence.
export PROJECT_ID=your_project_ID export ACCELERATOR_TYPE=v5litepod-16 export ZONE=us-west4-a export RUNTIME_VERSION=v2-alpha-tpuv5-lite export SERVICE_ACCOUNT=your_service_account export TPU_NAME=your_tpu_name export QUEUED_RESOURCE_ID=your_queued_resource_id export QUOTA_TYPE=quota_type export VALID_UNTIL_DURATION=1d
Variable | Description |
PROJECT_ID | Nom du projet Google Cloud |
ACCELERATOR_TYPE | Consultez la section Types d'accélérateurs pour connaître les types d'accélérateurs compatibles. |
ZONE | Toute la capacité est dans la zone us-west4-a. |
RUNTIME_VERSION | Utilisez la version v2-alpha-tpuv5-lite. |
SERVICE_ACCOUNT | Il s'agit de l'adresse de votre compte de service que vous pouvez trouver dans la console Google Cloud -> IAM -> Comptes de service. Exemple: [email protected] |
TPU_NAME | ID texte attribué par l'utilisateur pour le TPU, qui est créé lorsque la requête de ressource en file d'attente est allouée. |
QUEUED_RESOURCE_ID | ID textuel attribué par l'utilisateur pour la requête de ressource en file d'attente. Consultez le document Ressources en file d'attente pour en savoir plus sur les ressources en file d'attente. |
QUOTA_TYPE | Il peut s'agir de reserved ou best-effort . Si aucune de ces valeurs n'est spécifiée, la valeur par défaut du champ QUOTA_TYPE est on-demand .
Consultez la section quotas pour plus d'informations sur les différents types de quotas acceptés par Cloud TPU.
|
VALID_UNTIL_DURATION | Durée de validité de la requête. Consultez la section Ressources en file d'attente pour en savoir plus sur les différentes durées valides. |
Créer une ressource TPU
gcloud alpha compute tpus queued-resources create ${QUEUED_RESOURCE_ID} \
--node-id=${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--accelerator-type=${ACCELERATOR_TYPE} \
--runtime-version=${RUNTIME_VERSION} \
--valid-until-duration=${VALID_UNTIL_DURATION} \
--service-account=${SERVICE_ACCOUNT} \
--${QUOTA_TYPE}
Si la ressource en file d'attente a bien été créée, l'état dans le champ response
sera WAITING_FOR_RESOURCES
ou FAILED
. Si la ressource en file d'attente est à l'état WAITING_FOR_RESOURCES
, cela signifie qu'elle a passé une validation préliminaire et qu'elle attend de la capacité. Une fois la capacité disponible, la requête passera à PROVISIONING
. L'état WAITING_FOR_RESOURCES
ne signifie pas que vous obtiendrez le quota alloué. Le passage de l'état WAITING_FOR_RESOURCES
à l'état ACTIVE
peut prendre un certain temps. Si la ressource en file d'attente est à l'état FAILED
, le motif de l'échec figure dans le résultat. La requête expire si le --valid-until-duration
n'est pas rempli et que l'état passe à "FAILED".
Vous pourrez accéder à votre VM TPU à l'aide de SSH une fois que votre ressource en file d'attente sera à l'état ACTIVE
.
Exécutez les commandes [list](/tpu/docs/managing-tpus-tpu-vm)
ou [describe](/tpu/docs/managing-tpus-tpu-vm)
pour interroger l'état de la ressource en file d'attente.
gcloud compute tpus queued-resources describe ${QUEUED_RESOURCE_ID} \
--project=${PROJECT_ID} \
--zone=${ZONE}
L'state représente l'état d'une ressource en file d'attente. Les états sont définis comme suit:
État | Description |
WAITING_FOR_RESOURCES |
La commande create de la ressource en file d'attente a été reçue et commencera le provisionnement dès que de la capacité sera disponible. |
PROVISIONING |
Les tranches TPU sont en cours de provisionnement. |
ACTIVE |
Tous les TPU sont provisionnés et prêts à l'emploi. Si un script de démarrage est fourni, il commence à s'exécuter sur tous les TPU lorsque l'état de la ressource en file d'attente passe à ACTIVE . |
FAILED |
Impossible de provisionner les tranches. |
SUSPENDING |
Un ou plusieurs secteurs sont en cours de suppression. |
SUSPENDED |
Toutes les tranches sous-jacentes sont supprimées, mais la ressource en file d'attente reste intacte jusqu'à sa suppression explicite. Pour le moment, une ressource suspendue en file d'attente ne peut pas être réactivée et doit être supprimée. |
DELETING |
La ressource en file d'attente est en cours de suppression. |
Se connecter à la VM TPU à l'aide de SSH
La section suivante explique comment installer des binaires sur chaque VM TPU dans votre tranche TPU et comment exécuter du code. Dans ce contexte, une VM TPU est également appelée nœud de calcul.
Consultez la section Types de VM pour déterminer le nombre de VM de votre tranche.
Pour installer les binaires ou exécuter du code, connectez-vous à votre VM TPU à l'aide de la commande ssh tpu-vm.
gcloud compute tpus tpu-vm ssh ${TPU_NAME}
Pour accéder à une VM TPU spécifique avec SSH, utilisez l'option --worker
qui suit un index basé sur 0:
gcloud compute tpus tpu-vm ssh ${TPU_NAME} --worker=1
Si vos formes de secteurs comportent plus de huit puces, vous aurez plusieurs VM dans une même tranche. Dans ce cas, utilisez l'indicateur --worker=all
pour exécuter l'installation sur toutes les VM TPU sans avoir à vous connecter à chacune d'elles séparément. Exemple :
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--worker=all \
--command='pip install "jax[tpu]==0.4.16" -f http://storage.googleapis.com/jax-releases/libtpu_releases.html'
Gérer
Toutes les commandes que vous pouvez utiliser pour gérer vos VM TPU sont décrites dans la section Gérer les TPU.
Configuration du framework
Cette section décrit le processus de configuration général pour l'entraînement de modèle personnalisé à l'aide de JAX ou PyTorch avec TPU v5e. La compatibilité avec TensorFlow est disponible dans les versions d'exécution de TPU tpu-vm-tf-2.15.0-pjrt
et tpu-vm-tf-2.15.0-pod-pjrt
.
Pour obtenir des instructions sur la configuration de l'inférence, consultez la page Présentation de l'inférence v5e.
Configuration pour JAX
Si vos formes de secteurs comportent plus de huit puces, vous aurez plusieurs VM dans une même tranche. Dans ce cas, vous devez utiliser l'option --worker=all
pour exécuter l'installation sur toutes les VM TPU en une seule étape, sans passer par SSH pour vous connecter séparément à chacune d'elles:
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--worker=all \
--command='pip install "jax[tpu]==0.4.16" -f http://storage.googleapis.com/jax-releases/libtpu_releases.html'
Vous pouvez exécuter la commande suivante pour vérifier le nombre d'appareils (les sorties présentées ici ont été générées avec une tranche v5litepod-16). Ce code vérifie que tout est correctement installé en vérifiant que JAX voit les TensorCores Cloud TPU et peut exécuter des opérations de base:
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--worker=all \
--command='python3 -c "import jax; print(jax.device_count()); print(jax.local_device_count())"'
Le résultat doit ressembler à ce qui suit :
SSH: Attempting to connect to worker 0...
SSH: Attempting to connect to worker 1...
SSH: Attempting to connect to worker 2...
SSH: Attempting to connect to worker 3...
16
4
16
4
16
4
16
4
jax.device\_count()
indique le nombre total de chips dans la tranche donnée.
jax.local\_device\_count()
indique le nombre de chips accessibles par une seule VM dans ce secteur.
# Check the number of chips in the given slice by summing the count of chips
# from all VMs through the
# jax.local_device_count() API call.
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--worker=all \
--command='python3 -c "import jax; xs=jax.numpy.ones(jax.local_device_count()); print(jax.pmap(lambda x: jax.lax.psum(x, \"i\"), axis_name=\"i\")(xs))"'
Le résultat doit ressembler à ce qui suit :
SSH: Attempting to connect to worker 0...
SSH: Attempting to connect to worker 1...
SSH: Attempting to connect to worker 2...
SSH: Attempting to connect to worker 3...
[16. 16. 16. 16.]
[16. 16. 16. 16.]
[16. 16. 16. 16.]
[16. 16. 16. 16.]
Suivez les tutoriels JAX de ce document pour commencer l'entraînement dans la version 5e à l'aide de JAX.
Configuration pour PyTorch
Notez que la version v5e n'est compatible qu'avec l'environnement d'exécution PJRT et que PyTorch 2.1 et versions ultérieures utilisent PJRT comme environnement d'exécution par défaut pour toutes les versions de TPU.
Cette section explique comment commencer à utiliser PJRT dans la version 5e avec PyTorch/XLA avec des commandes pour tous les nœuds de calcul.
Installer des dépendances
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--worker=all \
--command='
sudo apt-get update -y
sudo apt-get install libomp5 -y
pip3 install mkl mkl-include
pip3 install tf-nightly tb-nightly tbp-nightly
pip3 install numpy
sudo apt-get install libopenblas-dev -y
pip3 install torch~=2.1.0 torchvision torch_xla[tpu]~=2.1.0 -f http://storage.googleapis.com/libtpu-releases/index.html
pip3 install torch_xla[tpu] -f http://storage.googleapis.com/libtpu-releases/index.html'
Si vous n'avez pas réussi à installer wheels pour torch/torch_xla/torchvision et qu'une erreur de type pkg_resources.extern.packaging.requirements.InvalidRequirement:
Expected end or semicolon (after name and no valid version specifier) torch==nightly+20230222
s'affiche, passez à une version antérieure à l'aide de la commande suivante:
pip3 install setuptools==62.1.0
Exécutez un script avec PJRT:
unset LD_PRELOAD
Voici un exemple utilisant un script Python pour effectuer un calcul sur une VM v5e:
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--worker all \
--command='
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$HOME/.local/lib/
export PJRT_DEVICE=TPU_C_API
export PT_XLA_DEBUG=0
export USE_TORCH=ON
unset LD_PRELOAD
export TPU_LIBRARY_PATH=$HOME/.local/lib/python3.10/site-packages/libtpu/libtpu.so
python3 -c "import torch; import torch_xla; import torch_xla.core.xla_model as xm; print(xm.xla_device()); dev = xm.xla_device(); t1 = torch.randn(3,3,device=dev); t2 = torch.randn(3,3,device=dev); print(t1 + t2)"'
Un résultat semblable à celui-ci doit s'afficher :
SSH: Attempting to connect to worker 0...
SSH: Attempting to connect to worker 1...
xla:0
tensor([[ 1.8611, -0.3114, -2.4208],
[-1.0731, 0.3422, 3.1445],
[ 0.5743, 0.2379, 1.1105]], device='xla:0')
xla:0
tensor([[ 1.8611, -0.3114, -2.4208],
[-1.0731, 0.3422, 3.1445],
[ 0.5743, 0.2379, 1.1105]], device='xla:0')
Suivez les tutoriels PyTorch de ce document pour commencer l'entraînement v5e à l'aide de PyTorch.
Supprimez le TPU et la ressource en file d'attente à la fin de votre session. Pour supprimer une ressource en file d'attente, supprimez la tranche, puis la ressource en file d'attente en deux étapes:
gcloud compute tpus tpu-vm delete ${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--quiet
gcloud compute tpus queued-resources delete ${QUEUED_RESOURCE_ID} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--quiet
Ces deux étapes peuvent également servir à supprimer les demandes de ressources en file d'attente qui sont à l'état FAILED
.
Surveiller et profiler
Cloud TPU v5e permet la surveillance et le profilage à l'aide des mêmes méthodes que les générations précédentes de Cloud TPU. Vous pouvez consulter la page Profiler votre modèle avec les outils Cloud TPU pour en savoir plus sur le profilage, et la page Surveiller des VM Cloud TPU pour en savoir plus sur la surveillance.
Exemples JAX/FLAX
Entraîner ImageNet dans la version 5e
Ce tutoriel explique comment entraîner ImageNet dans la version 5e à l'aide de fausses données d'entrée. Si vous souhaitez utiliser des données réelles, consultez le fichier README sur GitHub.
Préparation
Créez des variables d'environnement :
export PROJECT_ID=your_project_ID export ACCELERATOR_TYPE=v5litepod-16 export ZONE=us-west4-a export RUNTIME_VERSION=v2-alpha-tpuv5-lite export SERVICE_ACCOUNT=your_service_account export TPU_NAME=your_tpu_name export QUEUED_RESOURCE_ID=your_queued_resource_id export QUOTA_TYPE=quota_type export VALID_UNTIL_DURATION=1d
-
gcloud alpha compute tpus queued-resources create ${QUEUED_RESOURCE_ID} \ --node-id=${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --accelerator-type=${ACCELERATOR_TYPE} \ --runtime-version=${RUNTIME_VERSION} \ --valid-until-duration=${VALID_UNTIL_DURATION} \ --service-account=${SERVICE_ACCOUNT} \ --${QUOTA_TYPE}
Vous pourrez vous connecter en SSH à votre VM TPU une fois que votre ressource en file d'attente sera à l'état
ACTIVE
:gcloud compute tpus queued-resources describe ${QUEUED_RESOURCE_ID} \ --project=${PROJECT_ID} \ --zone=${ZONE}
Lorsque la ressource QueuedResource est à l'état
ACTIVE
, le résultat se présente comme suit:state: ACTIVE
Installez la dernière version de JAX et jaxlib:
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --worker=all \ --command='pip install "jax[tpu]==0.4.16" -f http://storage.googleapis.com/jax-releases/libtpu_releases.html'
Clonez le modèle ImageNet et installez la configuration requise suivante:
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --worker=all \ --command='git clone http://github.com/google/flax.git && cd flax/examples/imagenet && pip install -r requirements.txt && pip install flax==0.7.4'
Pour générer des données factices, le modèle a besoin d'informations sur les dimensions de l'ensemble de données. Vous pouvez les collecter à partir des métadonnées de l'ensemble de données ImageNet:
gcloud compute tpus tpu-vm ssh ${TPU_NAME} --project=${PROJECT_ID} --zone=${ZONE} --worker=all --command='mkdir -p $HOME/flax/.tfds/metadata/imagenet2012/5.1.0 && curl http://raw.githubusercontent.com/tensorflow/datasets/v4.4.0/tensorflow_datasets/testing/metadata/imagenet2012/5.1.0/dataset_info.json --output $HOME/flax/.tfds/metadata/imagenet2012/5.1.0/dataset_info.json'
Entraîner le modèle
Une fois toutes les étapes précédentes terminées, vous pouvez entraîner le modèle.
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--worker=all \
--command='cd flax/examples/imagenet && JAX_PLATFORMS=tpu python3 imagenet_fake_data_benchmark.py'
Supprimer le TPU et la ressource en file d'attente
Supprimez le TPU et la ressource en file d'attente à la fin de votre session.
gcloud compute tpus tpu-vm delete ${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--quiet
gcloud compute tpus queued-resources delete ${QUEUED_RESOURCE_ID} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--quiet
Modèles FLAX de Hugging Face
Les modèles de visage Hugging implémentés dans FLAX sont prêts à l'emploi sur Cloud TPU v5e. Cette section fournit des instructions pour exécuter des modèles populaires.
Entraîner ViT sur Imagenette
Ce tutoriel explique comment entraîner le modèle Vision Transformer (ViT) à partir de HuggingFace à l'aide de l'ensemble de données Fast AI imagenette sur Cloud TPU v5e.
Le modèle ViT est le premier à avoir entraîné avec succès un encodeur Transformer sur ImageNet et obtenu d'excellents résultats par rapport aux réseaux à convolution. Pour en savoir plus, consultez les ressources suivantes:
Préparation
Créez des variables d'environnement :
export PROJECT_ID=your_project_ID export ACCELERATOR_TYPE=v5litepod-16 export ZONE=us-west4-a export RUNTIME_VERSION=v2-alpha-tpuv5-lite export SERVICE_ACCOUNT=your_service_account export TPU_NAME=your_tpu_name export QUEUED_RESOURCE_ID=your_queued_resource_id export QUOTA_TYPE=quota_type export VALID_UNTIL_DURATION=1d
-
gcloud alpha compute tpus queued-resources create ${QUEUED_RESOURCE_ID} \ --node-id=${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --accelerator-type=${ACCELERATOR_TYPE} \ --runtime-version=${RUNTIME_VERSION} \ --valid-until-duration=${VALID_UNTIL_DURATION} \ --service-account=${SERVICE_ACCOUNT} \ --${QUOTA_TYPE}
Vous pourrez vous connecter en SSH à votre VM TPU une fois que votre ressource en file d'attente sera à l'état
ACTIVE
:gcloud compute tpus queued-resources describe ${QUEUED_RESOURCE_ID} \ --project=${PROJECT_ID} \ --zone=${ZONE}
Lorsque la ressource en file d'attente est à l'état
ACTIVE
, le résultat ressemble à ce qui suit:state: ACTIVE
Installez JAX et sa bibliothèque:
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --worker=all \ --command='pip install "jax[tpu]==0.4.16" -f http://storage.googleapis.com/jax-releases/libtpu_releases.html'
Téléchargez le dépôt Hugging Face et les conditions requises pour l'installation:
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --worker=all \ --command='git clone http://github.com/huggingface/transformers.git && cd transformers && pip install . && pip install -r examples/flax/_tests_requirements.txt && pip install --upgrade huggingface-hub urllib3 zipp && pip install tensorflow==2.16.1 && pip install -r examples/flax/vision/requirements.txt'
Téléchargez l'ensemble de données Imagenette:
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --worker=all \ --command='cd transformers && wget http://s3.amaz888onaws.com.fqhub.com/fast-ai-imageclas/imagenette2.tgz && tar -xvzf imagenette2.tgz'
Entraîner le modèle
Entraînez le modèle avec un tampon prémappé de 4 Go.
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--worker=all \
--command='cd transformers && JAX_PLATFORMS=tpu python3 examples/flax/vision/run_image_classification.py --train_dir "imagenette2/train" --validation_dir "imagenette2/val" --output_dir "./vit-imagenette" --learning_rate 1e-3 --preprocessing_num_workers 32 --per_device_train_batch_size 8 --per_device_eval_batch_size 8 --model_name_or_path google/vit-base-patch16-224-in21k --num_train_epochs 3'
Supprimer le TPU et la ressource en file d'attente
Supprimez votre TPU et votre ressource en file d'attente à la fin de votre session.
gcloud compute tpus tpu-vm delete ${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--quiet
gcloud compute tpus queued-resources delete ${QUEUED_RESOURCE_ID} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--quiet
Résultats de l'analyse comparative ViT
Le script d'entraînement a été exécuté sur les versions v5litepod-4, v5litepod-16 et v5litepod-64. Le tableau suivant indique les débits avec différents types d'accélérateurs.
Type d'accélérateur | V5Litepod-4 | V5Litepod-16 | V5Litepod-64 |
Époque | 3 | 3 | 3 |
Taille du lot global | 32 | 128 | 512 |
Débit (exemples/s) | 263,40 | 429,34 | 470,71 |
Entraîner la diffusion sur Pokémon
Ce tutoriel explique comment entraîner le modèle de diffusion stable à partir de HuggingFace à l'aide de l'ensemble de données Pokémon sur Cloud TPU v5e.
Le modèle de diffusion stable est un modèle latent de texte à image qui génère des images photoréalistes à partir de n'importe quelle entrée de texte. Pour en savoir plus, consultez les ressources suivantes :
Préparation
Créez des variables d'environnement :
export PROJECT_ID=your_project_ID export ACCELERATOR_TYPE=v5litepod-16 export ZONE=us-west4-a export RUNTIME_VERSION=v2-alpha-tpuv5-lite export SERVICE_ACCOUNT=your_service_account export TPU_NAME=your_tpu_name export QUEUED_RESOURCE_ID=queued_resource_id export QUOTA_TYPE=quota_type export VALID_UNTIL_DURATION=1d
-
gcloud alpha compute tpus queued-resources create ${QUEUED_RESOURCE_ID} \ --node-id=${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --accelerator-type=${ACCELERATOR_TYPE} \ --runtime-version=${RUNTIME_VERSION} \ --valid-until-duration=${VALID_UNTIL_DURATION} \ --service-account=${SERVICE_ACCOUNT} \ --${QUOTA_TYPE}
Vous pourrez vous connecter en SSH à votre VM TPU une fois que votre ressource en file d'attente sera à l'état
ACTIVE
:gcloud compute tpus queued-resources describe ${QUEUED_RESOURCE_ID} \ --project=${PROJECT_ID} \ --zone=${ZONE}
Lorsque la ressource en file d'attente est à l'état
ACTIVE
, le résultat ressemble à ce qui suit:state: ACTIVE
Installer JAX et sa bibliothèque
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --worker=all \ --command='pip install "jax[tpu]==0.4.16" -f http://storage.googleapis.com/jax-releases/libtpu_releases.html'
Téléchargez le dépôt HuggingFace et les conditions requises pour l'installation.
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --worker=all \ --command='git clone http://github.com/RissyRan/diffusers.git && cd diffusers && pip install . && pip install tensorflow==2.16.1 clu && pip install -U -r examples/text_to_image/requirements_flax.txt'
Entraîner le modèle
Entraînez le modèle avec un tampon prémappé de 4 Go.
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--worker=all \
--command='cd diffusers/examples/text_to_image && JAX_PLATFORMS=tpu,cpu python3 train_text_to_image_flax.py --pretrained_model_name_or_path=duongna/stable-diffusion-v1-4-flax --dataset_name=lambdalabs/pokemon-blip-captions --resolution=128 --center_crop --random_flip --train_batch_size=4 --mixed_precision=fp16 --max_train_steps=1500 --learning_rate=1e-05 --max_grad_norm=1 --output_dir=sd-pokemon-model'
Supprimer le TPU et les ressources en file d'attente
Supprimez le TPU et la ressource en file d'attente à la fin de votre session.
gcloud compute tpus tpu-vm delete ${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--quiet
gcloud compute tpus queued-resources delete ${QUEUED_RESOURCE_ID} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--quiet
Résultats de l'analyse comparative de la diffusion
Le script d'entraînement a été exécuté sur les versions v5litepod-4, v5litepod-16 et v5litepod-64. Le tableau suivant indique les débits.
Type d'accélérateur | V5Litepod-4 | V5Litepod-16 | V5Litepod-64 |
Étapes d'entraînement | 1500 | 1500 | 1500 |
Taille du lot global | 32 | 64 | 128 |
Débit (exemples/s) | 36,53 | 43,71 | 49,36 |
Entraîner GPT2 sur l'ensemble de données OSCAR
Ce tutoriel explique comment entraîner le modèle GPT2 à partir de HuggingFace en utilisant l'ensemble de données OSCAR sur Cloud TPU v5e.
GPT2 est un modèle Transformer pré-entraîné sur des textes bruts sans ajout manuel d'étiquettes. Il a été entraîné pour prédire le mot suivant dans des phrases. Pour en savoir plus, consultez les ressources suivantes :
Préparation
Créez des variables d'environnement :
export PROJECT_ID=your_project_ID export ACCELERATOR_TYPE=v5litepod-16 export ZONE=us-west4-a export RUNTIME_VERSION=v2-alpha-tpuv5-lite export SERVICE_ACCOUNT=your_service_account export TPU_NAME=your_tpu_name export QUEUED_RESOURCE_ID=queued_resource_id export QUOTA_TYPE=quota_type export VALID_UNTIL_DURATION=1d
-
gcloud alpha compute tpus queued-resources create ${QUEUED_RESOURCE_ID} \ --node-id=${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --accelerator-type=${ACCELERATOR_TYPE} \ --runtime-version=${RUNTIME_VERSION} \ --valid-until-duration=${VALID_UNTIL_DURATION} \ --service-account=${SERVICE_ACCOUNT} \ --${QUOTA_TYPE}
Vous pourrez vous connecter en SSH à votre VM TPU une fois que votre ressource en file d'attente sera à l'état
ACTIVE
:gcloud compute tpus queued-resources describe ${QUEUED_RESOURCE_ID} \ --project=${PROJECT_ID} \ --zone=${ZONE}
Lorsque la ressource en file d'attente est à l'état
ACTIVE
, le résultat ressemble à ce qui suit:state: ACTIVE
Installer JAX et sa bibliothèque
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --worker=all \ --command='pip install "jax[tpu]==0.4.16" -f http://storage.googleapis.com/jax-releases/libtpu_releases.html'
Téléchargez le dépôt HuggingFace et les conditions requises pour l'installation.
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --worker=all \ --command='git clone http://github.com/huggingface/transformers.git && cd transformers && pip install . && pip install -r examples/flax/_tests_requirements.txt && pip install --upgrade huggingface-hub urllib3 zipp && pip install tensorflow && pip install -r examples/flax/language-modeling/requirements.txt'
Téléchargez les configurations pour entraîner le modèle.
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --worker=all \ --command='cd transformers/examples/flax/language-modeling && gsutil cp -r gs://cloud-tpu-tpuvm-artifacts/v5litepod-preview/jax/gpt .'
Entraîner le modèle
Entraînez le modèle avec un tampon prémappé de 4 Go.
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--worker=all \
--command='cd transformers/examples/flax/language-modeling && TPU_PREMAPPED_BUFFER_SIZE=4294967296 JAX_PLATFORMS=tpu python3 run_clm_flax.py --output_dir=./gpt --model_type=gpt2 --config_name=./gpt --tokenizer_name=./gpt --dataset_name=oscar --dataset_config_name=unshuffled_deduplicated_no --do_train --do_eval --block_size=512 --per_device_train_batch_size=4 --per_device_eval_batch_size=4 --learning_rate=5e-3 --warmup_steps=1000 --adam_beta1=0.9 --adam_beta2=0.98 --weight_decay=0.01 --overwrite_output_dir --num_train_epochs=3 --logging_steps=500 --eval_steps=2500'
Supprimer le TPU et la ressource en file d'attente
Supprimez votre TPU et votre ressource en file d'attente à la fin de votre session.
gcloud compute tpus tpu-vm delete ${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--quiet
gcloud compute tpus queued-resources delete ${QUEUED_RESOURCE_ID} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--quiet
Résultats de l'analyse comparative de GPT2
Le script d'entraînement a été exécuté sur les versions v5litepod-4, v5litepod-16 et v5litepod-64. Le tableau suivant indique les débits.
V5Litepod-4 | V5Litepod-16 | V5Litepod-64 | |
Époque | 3 | 3 | 3 |
Taille du lot global | 64 | 64 | 64 |
Débit (exemples/s) | 74,60 | 72,97 | 72,62 |
PyTorch/XLA
Entraîner ResNet à l'aide de l'environnement d'exécution PJRT
PyTorch/XLA migre de XRT vers PjRt depuis PyTorch 2.0+. Voici les instructions mises à jour pour configurer la version 5e pour les charges de travail d'entraînement PyTorch/XLA.
Préparation
Créez des variables d'environnement :
export PROJECT_ID=your_project_ID export ACCELERATOR_TYPE=v5litepod-16 export ZONE=us-west4-a export RUNTIME_VERSION=v2-alpha-tpuv5-lite export SERVICE_ACCOUNT=your_service_account export TPU_NAME=tpu-name export QUEUED_RESOURCE_ID=queued_resource_id export QUOTA_TYPE=quota_type export VALID_UNTIL_DURATION=1d
-
gcloud alpha compute tpus queued-resources create ${QUEUED_RESOURCE_ID} \ --node-id=${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --accelerator-type=${ACCELERATOR_TYPE} \ --runtime-version=${RUNTIME_VERSION} \ --valid-until-duration=${VALID_UNTIL_DURATION} \ --service-account=${SERVICE_ACCOUNT} \ --{QUOTA_TYPE}
Vous pourrez vous connecter en SSH à votre VM TPU une fois que votre ressource QueuedResource sera à l'état
ACTIVE
:gcloud compute tpus queued-resources describe ${QUEUED_RESOURCE_ID} \ --project=${PROJECT_ID} \ --zone=${ZONE}
Lorsque la ressource en file d'attente est à l'état
ACTIVE
, le résultat ressemble à ce qui suit:state: ACTIVE
Installer des dépendances spécifiques à Torch/XLA
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --worker=all \ --command=' sudo apt-get update -y sudo apt-get install libomp5 -y pip3 install mkl mkl-include pip3 install tf-nightly tb-nightly tbp-nightly pip3 install numpy sudo apt-get install libopenblas-dev -y pip3 install torch~=2.1.0 torchvision torch_xla[tpu]~=2.1.0 -f http://storage.googleapis.com/libtpu-releases/index.html pip3 install torch_xla[tpu] -f http://storage.googleapis.com/libtpu-releases/index.html'
Entraîner le modèle ResNet
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--worker=all \
--command='
date
export PJRT_DEVICE=TPU_C_API
export PT_XLA_DEBUG=0
export USE_TORCH=ON
export XLA_USE_BF16=1
export LIBTPU_INIT_ARGS=--xla_jf_auto_cross_replica_sharding
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH
export TPU_LIBRARY_PATH=$HOME/.local/lib/python3.10/site-packages/libtpu/libtpu.so
git clone http://github.com/pytorch/xla.git
cd xla/
git reset --hard caf5168785c081cd7eb60b49fe4fffeb894c39d9
python3 test/test_train_mp_imagenet.py --model=resnet50 --fake_data --num_epochs=1 —num_workers=16 --log_steps=300 --batch_size=64 --profile'
Supprimer le TPU et la ressource en file d'attente
Supprimez votre TPU et votre ressource en file d'attente à la fin de votre session.
gcloud compute tpus tpu-vm delete ${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--quiet
gcloud compute tpus queued-resources delete ${QUEUED_RESOURCE_ID} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--quiet
Résultat de l'analyse comparative
Le tableau suivant présente les débits de l'analyse comparative.
Type d'accélérateur | Débit (exemples/seconde) |
V5Litepod-4 | 4240 ex/s |
V5Litepod-16 | 10 810 ex/s |
V5Litepod-64 | 46 154 ex/s |
Entraîner GPT2 sur v5e
Ce tutoriel explique comment exécuter GPT2 dans la version 5e du dépôt HuggingFace sur PyTorch/XLA à l'aide de l'ensemble de données wikitext.
Préparation
Créez des variables d'environnement :
export PROJECT_ID=your_project_ID export ACCELERATOR_TYPE=v5litepod-16 export ZONE=us-west4-a export RUNTIME_VERSION=v2-alpha-tpuv5-lite export SERVICE_ACCOUNT=your_service_account export TPU_NAME=your_tpu_name export QUEUED_RESOURCE_ID=queued_resource_id export QUOTA_TYPE=quota_type export VALID_UNTIL_DURATION=1d
-
gcloud alpha compute tpus queued-resources create ${QUEUED_RESOURCE_ID} \ --node-id=${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --accelerator-type=${ACCELERATOR_TYPE} \ --runtime-version=${RUNTIME_VERSION} \ --valid-until-duration=${VALID_UNTIL_DURATION} \ --service-account=${SERVICE_ACCOUNT} \ --${QUOTA_TYPE}
Vous pourrez vous connecter en SSH à votre VM TPU une fois que votre ressource QueuedResource sera à l'état
ACTIVE
:gcloud compute tpus queued-resources describe ${QUEUED_RESOURCE_ID} \ --project=${PROJECT_ID} \ --zone=${ZONE}
Lorsque la ressource en file d'attente est à l'état
ACTIVE
, le résultat ressemble à ce qui suit:state: ACTIVE
Installez les dépendances Torch/xla.
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --worker=all \ --command=' sudo apt-get -y update sudo apt install -y libopenblas-base pip3 install torchvision pip3 uninstall -y torch pip3 install torch~=2.1.0 torchvision torch_xla[tpu]~=2.1.0 -f http://storage.googleapis.com/libtpu-releases/index.html pip3 install torch_xla[tpu] -f http://storage.googleapis.com/libtpu-releases/index.html'
Téléchargez le dépôt HuggingFace et les conditions requises pour l'installation.
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --worker=all \ --command=' git clone http://github.com/pytorch/xla.git pip install --upgrade accelerate git clone http://github.com/huggingface/transformers.git cd transformers git checkout ebdb185befaa821304d461ed6aa20a17e4dc3aa2 pip install . git log -1 pip install datasets evaluate scikit-learn '
Téléchargez les configurations du modèle pré-entraîné.
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --worker=all \ --command=' gsutil cp -r gs://cloud-tpu-tpuvm-artifacts/config/xl-ml-test/pytorch/gpt2/my_config_2.json transformers/examples/pytorch/language-modeling/ gsutil cp gs://cloud-tpu-tpuvm-artifacts/config/xl-ml-test/pytorch/gpt2/fsdp_config.json transformers/examples/pytorch/language-modeling/'
Entraîner le modèle
Entraînez le modèle à 2 milliards d'octets en utilisant une taille de lot de 16.
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--worker=all \
--command='
export PJRT_DEVICE=TPU_C_API
cd transformers/
export LD_LIBRARY_PATH=/usr/local/lib/
export PT_XLA_DEBUG=0
export USE_TORCH=ON
python3 examples/pytorch/xla_spawn.py \
--num_cores=4 \
examples/pytorch/language-modeling/run_clm.py \
--num_train_epochs=3 \
--dataset_name=wikitext \
--dataset_config_name=wikitext-2-raw-v1 \
--per_device_train_batch_size=16 \
--per_device_eval_batch_size=16 \
--do_train \
--do_eval \
--logging_dir=./tensorboard-metrics \
--cache_dir=./cache_dir \
--output_dir=/tmp/test-clm \
--overwrite_output_dir \
--cache_dir=/tmp \
--config_name=examples/pytorch/language-modeling/my_config_2.json \
--tokenizer_name=gpt2 \
--block_size=1024 \
--optim=adafactor \
--adafactor=true \
--save_strategy=no \
--logging_strategy=no \
--fsdp=full_shard \
--fsdp_config=examples/pytorch/language-modeling/fsdp_config.json'
Supprimer le TPU et la ressource en file d'attente
Supprimez votre TPU et votre ressource en file d'attente à la fin de votre session.
gcloud compute tpus tpu-vm delete ${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--quiet
gcloud compute tpus queued-resources delete ${QUEUED_RESOURCE_ID} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--quiet
Résultat de l'analyse comparative
Le script d'entraînement a été exécuté sur les versions v5litepod-4, v5litepod-16 et v5litepod-64. Le tableau suivant présente les débits des benchmarks pour différents types d'accélérateurs.
V5Litepod-4 | V5Litepod-16 | V5Litepod-64 | |
Époque | 3 | 3 | 3 |
config | 600M | 2 milliards | 16 Mrds |
Taille du lot global | 64 | 128 | 256 |
Débit (exemples/s) | 66 | 77 | 31 |
Entraîner ViT sur v5e
Ce tutoriel explique comment exécuter VIT dans la version v5e à l'aide du dépôt HuggingFace sur PyTorch/XLA sur l'ensemble de données cifar10.
Préparation
Créez des variables d'environnement :
export PROJECT_ID=your_project_ID export ACCELERATOR_TYPE=v5litepod-16 export ZONE=us-west4-a export RUNTIME_VERSION=v2-alpha-tpuv5-lite export SERVICE_ACCOUNT=your_service_account export TPU_NAME=tpu-name export QUEUED_RESOURCE_ID=queued_resource_id export QUOTA_TYPE=quota_type export VALID_UNTIL_DURATION=1d
-
gcloud alpha compute tpus queued-resources create ${QUEUED_RESOURCE_ID} \ --node-id=${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --accelerator-type=${ACCELERATOR_TYPE} \ --runtime-version=${RUNTIME_VERSION} \ --valid-until-duration=${VALID_UNTIL_DURATION} \ --service-account=${SERVICE_ACCOUNT} \ --${QUOTA_TYPE}
Vous pourrez vous connecter en SSH à votre VM TPU une fois que votre ressource QueuedResource sera à l'état
ACTIVE
:gcloud compute tpus queued-resources describe ${QUEUED_RESOURCE_ID} \ --project=${PROJECT_ID} \ --zone=${ZONE}
Lorsque la ressource en file d'attente est à l'état
ACTIVE
, le résultat ressemble à ce qui suit:state: ACTIVE
Installer les dépendances Torch/xla
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --worker=all --command=' sudo apt-get update -y sudo apt-get install libomp5 -y pip3 install mkl mkl-include pip3 install tf-nightly tb-nightly tbp-nightly pip3 install numpy sudo apt-get install libopenblas-dev -y pip3 install torch~=2.1.0 torchvision torch_xla[tpu]~=2.1.0 -f http://storage.googleapis.com/libtpu-releases/index.html pip3 install torch_xla[tpu] -f http://storage.googleapis.com/libtpu-releases/index.html'
Téléchargez le dépôt HuggingFace et les conditions requises pour l'installation.
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --worker=all \ --command=" git clone http://github.com/suexu1025/transformers.git vittransformers; \ cd vittransformers; \ pip3 install .; \ pip3 install datasets; \ wget http://github.com/pytorch/xla/blob/master/scripts/capture_profile.py"
Entraîner le modèle
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \
--project=${PROJECT_ID} \
--zone=${ZONE} \
--worker=all \
--command='
export PJRT_DEVICE=TPU_C_API
export PT_XLA_DEBUG=0
export USE_TORCH=ON
export TF_CPP_MIN_LOG_LEVEL=0
export XLA_USE_BF16=1
export LD_LIBRARY_PATH=/usr/local/lib:$LD_LIBRARY_PATH
export TPU_LIBRARY_PATH=$HOME/.local/lib/python3.10/site-packages/libtpu/libtpu.so
cd vittransformers
python3 -u examples/pytorch/xla_spawn.py --num_cores 4 examples/pytorch/image-pretraining/run_mae.py --dataset_name=cifar10 \
--remove_unused_columns=False \
--label_names=pixel_values \
--mask_ratio=0.75 \
--norm_pix_loss=True \
--do_train=true \
--do_eval=true \
--base_learning_rate=1.5e-4 \
--lr_scheduler_type=cosine \
--weight_decay=0.05 \
--num_train_epochs=3 \
--warmup_ratio=0.05 \
--per_device_train_batch_size=8 \
--per_device_eval_batch_size=8 \
--logging_strategy=steps \
--logging_steps=30 \
--evaluation_strategy=epoch \
--save_strategy=epoch \
--load_best_model_at_end=True \
--save_total_limit=3 \
--seed=1337 \
--output_dir=MAE \
--overwrite_output_dir=true \
--logging_dir=./tensorboard-metrics \
--tpu_metrics_debug=true'
Supprimer le TPU et la ressource en file d'attente
Supprimez votre TPU et votre ressource en file d'attente à la fin de votre session.
gcloud compute tpus tpu-vm delete ${TPU_NAME}
--project=${PROJECT_ID}
--zone=${ZONE}
--quiet
gcloud compute tpus queued-resources delete ${QUEUED_RESOURCE_ID}
--project=${PROJECT_ID}
--zone=${ZONE}
--quiet
Résultat de l'analyse comparative
Le tableau suivant présente les débits de benchmark pour les différents types d'accélérateurs.
V5Litepod-4 | V5Litepod-16 | V5Litepod-64 | |
Époque | 3 | 3 | 3 |
Taille du lot global | 32 | 128 | 512 |
Débit (exemples/s) | 201 | 657 | 2 844 |
TensorFlow 2.x
Entraîner Resnet sur un seul hôte v5e
Ce tutoriel explique comment entraîner ImageNet sur v5litepod-4
ou v5litepod-8
à l'aide d'un ensemble de données factice. Si vous souhaitez utiliser un autre ensemble de données, consultez la page Préparer l'ensemble de données.
Préparation
Créez des variables d'environnement :
export PROJECT_ID=your-project-ID export ACCELERATOR_TYPE=v5litepod-4 export ZONE=us-east1-c export RUNTIME_VERSION=tpu-vm-tf-2.15.0-pjrt export TPU_NAME=your-tpu-name export QUEUED_RESOURCE_ID=your-queued-resource-id export QUOTA_TYPE=quota-type
ACCELERATOR_TYPE
peut êtrev5litepod-4
ouv5litepod-8
. /-
gcloud alpha compute tpus queued-resources create ${QUEUED_RESOURCE_ID} \ --node-id=${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --accelerator-type=${ACCELERATOR_TYPE} \ --runtime-version=${RUNTIME_VERSION} \ --${QUOTA_TYPE}
Vous pourrez vous connecter en SSH à votre VM TPU une fois que votre ressource en file d'attente sera à l'état
ACTIVE
. Pour vérifier l'état de votre ressource en file d'attente, utilisez la commande suivante:gcloud compute tpus queued-resources describe ${QUEUED_RESOURCE_ID} \ --project=${PROJECT_ID} \ --zone=${ZONE}
Se connecter à TPU à l'aide de SSH
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE}
Définir des variables d'environnement
export MODELS_REPO=/usr/share/tpu/models export PYTHONPATH="${MODELS_REPO}:${PYTHONPATH}" export MODEL_DIR=gcp-directory-to-store-model export DATA_DIR=gs://cloud-tpu-test-datasets/fake_imagenet export NEXT_PLUGGABLE_DEVICE_USE_C_API=true export TF_PLUGGABLE_DEVICE_LIBRARY_PATH=/lib/libtpu.so
Accédez au répertoire du dépôt de modèles et accédez aux exigences d'installation.
cd ${MODELS_REPO} && git checkout r2.15.0 pip install -r official/requirements.txt
Entraîner le modèle
Exécutez le script d'entraînement.
python3 official/vision/train.py \
--tpu=local \
--experiment=resnet_imagenet \
--mode=train_and_eval \
--config_file=official/vision/configs/experiments/image_classification/imagenet_resnet50_tpu.yaml \
--model_dir=${MODEL_DIR} \
--params_override="runtime.distribution_strategy=tpu,task.train_data.input_path=${DATA_DIR}/train*,task.validation_data.input_path=${DATA_DIR}/validation*,task.train_data.global_batch_size=2048,task.validation_data.global_batch_size=2048,trainer.train_steps=100"
Supprimer le TPU et la ressource en file d'attente
Supprimer votre TPU
gcloud compute tpus tpu-vm delete ${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --quiet
Supprimer votre demande de ressource en file d'attente
gcloud compute tpus queued-resources delete ${QUEUED_RESOURCE_ID} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --quiet
Entraîner Resnet sur un multi-hôte v5e
Ce tutoriel explique comment entraîner ImageNet sur v5litepod-16
ou version ultérieure à l'aide d'un ensemble de données factice. Si vous souhaitez utiliser un autre ensemble de données, consultez Préparer l'ensemble de données.
Créez des variables d'environnement :
export PROJECT_ID=your_project_ID export ACCELERATOR_TYPE=v5litepod-16 export ZONE=us-east1-c export RUNTIME_VERSION=tpu-vm-tf-2.15.0-pod-pjrt export TPU_NAME=your_tpu_name export QUEUED_RESOURCE_ID=your-queued-resource-id export QUOTA_TYPE=quota-type
La valeur de
ACCELERATOR_TYPE
peut être égale ou supérieure àv5litepod-16
.-
gcloud alpha compute tpus queued-resources create ${QUEUED_RESOURCE_ID} \ --node-id=${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --accelerator-type=${ACCELERATOR_TYPE} \ --runtime-version=${RUNTIME_VERSION} \ --${QUOTA_TYPE}
Vous pourrez vous connecter en SSH à votre VM TPU une fois que votre ressource en file d'attente sera à l'état
ACTIVE
. Pour vérifier l'état de votre ressource en file d'attente, utilisez la commande suivante:gcloud compute tpus queued-resources describe ${QUEUED_RESOURCE_ID} \ --project=${PROJECT_ID} \ --zone=${ZONE}
Se connecter à votre TPU (nœud de calcul 0) à l'aide de SSH
gcloud compute tpus tpu-vm ssh ${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE}
Définir des variables d'environnement
export MODELS_REPO=/usr/share/tpu/models export PYTHONPATH="${MODELS_REPO}:${PYTHONPATH}" export MODEL_DIR=gcp-directory-to-store-model export DATA_DIR=gs://cloud-tpu-test-datasets/fake_imagenet export TPU_LOAD_LIBRARY=0 export TPU_NAME=your_tpu_name
Accédez au répertoire du dépôt de modèles et accédez aux exigences d'installation.
cd $MODELS_REPO && git checkout r2.15.0 pip install -r official/requirements.txt
Entraîner le modèle
Exécutez le script d'entraînement.
python3 official/vision/train.py \
--tpu=${TPU_NAME} \
--experiment=resnet_imagenet \
--mode=train_and_eval \
--model_dir=${MODEL_DIR} \
--params_override="runtime.distribution_strategy=tpu,task.train_data.input_path=${DATA_DIR}/train*, task.validation_data.input_path=${DATA_DIR}/validation*"
Supprimer le TPU et la ressource en file d'attente
Supprimer votre TPU
gcloud compute tpus tpu-vm delete ${TPU_NAME} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --quiet
Supprimer votre demande de ressource en file d'attente
gcloud compute tpus queued-resources delete ${QUEUED_RESOURCE_ID} \ --project=${PROJECT_ID} \ --zone=${ZONE} \ --quiet