Mit TensorFlow eine Berechnung auf einer Cloud TPU-VM ausführen
In dieser Kurzanleitung erfahren Sie, wie Sie eine Cloud TPU erstellen, TensorFlow installieren und eine Berechnung auf einer Cloud TPU ausführen. Eine ausführlichere Anleitung zum Trainieren eines Modells auf einer Cloud TPU finden Sie in einer der Cloud TPU-Anleitungen.
Hinweise
Bevor Sie dieser Kurzanleitung folgen, müssen Sie ein Google Cloud-Konto erstellen, die Google Cloud CLI installieren und den Befehl gcloud
konfigurieren.
Weitere Informationen finden Sie unter Konto und Cloud TPU-Projekt einrichten.
Cloud TPU-VM mit gcloud
erstellen
Starten Sie eine Compute Engine Cloud TPU mit dem Befehl gcloud
. Weitere Informationen zum Befehl gcloud
finden Sie in der Referenz zu gcloud
.
Beim Starten der TPU-VM können Sie entweder die im Befehl angezeigte Standard-TPU-Softwareversion verwenden oder unter Cloud TPU-Softwareversionen eine andere unterstützte TPU-Softwareversion angeben.
$ gcloud compute tpus tpu-vm create tpu-name
--zone=europe-west4-a
--accelerator-type=v3-8
--version=tpu-vm-tf-2.16.1-pjrt
Beschreibung der Befehls-Flags
tpu-name
- Der Name der zu erstellenden Cloud TPU.
zone
- Die Zone, in der Sie Ihre Cloud TPU erstellen möchten.
accelerator-type
- Der Beschleunigertyp gibt die Version und Größe der Cloud TPU an, die Sie erstellen möchten. Weitere Informationen zu unterstützten Beschleunigertypen für jede TPU-Version finden Sie unter TPU-Versionen.
version
- Die TPU-Softwareversion.
Verbindung zur Cloud TPU-VM herstellen
Sie müssen über SSH explizit eine Verbindung zur TPU-VM herstellen. Wenn die Verbindung nicht automatisch hergestellt wird, verwenden Sie den folgenden Befehl.
$ gcloud compute tpus tpu-vm ssh tpu-name
--zone europe-west4-a
Beispiel mit TensorFlow ausführen
Sobald Sie mit der TPU-VM verbunden sind, legen Sie die folgende Umgebungsvariable fest.
(vm)$ export TPU_NAME=local
Wenn Sie beim Erstellen der TPU den Parameter --version
auf eine Version festlegen, die mit -pjrt
endet, legen Sie die folgenden Umgebungsvariablen fest, um die PJRT-Laufzeit zu aktivieren:
(vm)$ export NEXT_PLUGGABLE_DEVICE_USE_C_API=true (vm)$ export TF_PLUGGABLE_DEVICE_LIBRARY_PATH=/lib/libtpu.so
Erstellen Sie im aktuellen Verzeichnis eine Datei mit dem Namen tpu-test.py
, kopieren Sie das folgende Skript und fügen Sie es in diese Datei ein.
import tensorflow as tf print("Tensorflow version " + tf.__version__) @tf.function def add_fn(x,y): z = x + y return z cluster_resolver = tf.distribute.cluster_resolver.TPUClusterResolver() tf.config.experimental_connect_to_cluster(cluster_resolver) tf.tpu.experimental.initialize_tpu_system(cluster_resolver) strategy = tf.distribute.TPUStrategy(cluster_resolver) x = tf.constant(1.) y = tf.constant(1.) z = strategy.run(add_fn, args=(x,y)) print(z)
Führen Sie dieses Skript mit dem folgenden Befehl aus:
(vm)$ python3 tpu-test.py
Dieses Skript führt eine Berechnung auf jedem TensorCore einer TPU durch. Die Ausgabe sollte in etwa so aussehen:
PerReplica:{ 0: tf.Tensor(2.0, shape=(), dtype=float32), 1: tf.Tensor(2.0, shape=(), dtype=float32), 2: tf.Tensor(2.0, shape=(), dtype=float32), 3: tf.Tensor(2.0, shape=(), dtype=float32), 4: tf.Tensor(2.0, shape=(), dtype=float32), 5: tf.Tensor(2.0, shape=(), dtype=float32), 6: tf.Tensor(2.0, shape=(), dtype=float32), 7: tf.Tensor(2.0, shape=(), dtype=float32) }
Bereinigen
Mit den folgenden Schritten vermeiden Sie, dass Ihrem Google Cloud-Konto die auf dieser Seite verwendeten Ressourcen in Rechnung gestellt werden.
Trennen Sie die Verbindung zur Compute Engine-Instanz, sofern noch nicht geschehen:
(vm)$ exit
Die Eingabeaufforderung sollte nun
username@projectname
lauten und angeben, dass Sie sich in Cloud Shell befinden.Löschen Sie Ihre Cloud TPU.
$ gcloud compute tpus tpu-vm delete tpu-name
--zone=europe-west4-aPrüfen Sie, ob die Ressourcen gelöscht wurden. Führen Sie dazu
gcloud compute tpus tpu-vm list
aus. Der Löschvorgang kann einige Minuten dauern.$ gcloud compute tpus tpu-vm list --zone=europe-west4-a
Nächste Schritte
Weitere Informationen zu Cloud TPU finden Sie unter: