TPU 虚拟机映像
创建 TPU 资源时，您需要传递 --version 或 --runtime-version
该参数用于指定 TPU 虚拟机映像。TPU 虚拟机映像包含操作系统 (Ubuntu) 和
在 TPU 上运行代码所需的其他软件（可选）。此文档
提供有关在创建 Cloud Storage 时选择适合的 TPU 虚拟机映像的指南。
Cloud TPU
PyTorch 和 JAX
将以下通用 TPU 虚拟机基础映像用于 PyTorch 和 JAX，然后安装 您要使用的框架
- tpu-ubuntu2204-base（默认）
- v2-alpha-tpuv5 (TPU v5p)
- v2-alpha-tpuv5-lite (TPU v5e)
如需了解安装说明，请参阅 PyTorch/XLA 和 JAX 的快速入门文档。
TensorFlow
每个 TensorFlow 版本都有专用的 TPU 虚拟机映像。通过 Cloud TPU 支持以下 TensorFlow 版本：
- 2.17.0
- 2.16.2
- 2.16.1
- 2.15.1
- 2.15.0
- 2.14.1
- 2.14.0
- 2.13.1
- 2.13.0
- 2.12.1
- 2.12.0
- 2.11.1
- 2.11.0
- 2.10.1
- 2.10.0
- 2.9.3
- 2.9.1
- 2.8.4
- 2.8.3
- 2.8.0
- 2.7.4
- 2.7.3
如需详细了解 TensorFlow 补丁版本，请参阅 支持的 TensorFlow 补丁版本。
对于 TensorFlow 2.15.0 及更高版本，有 TPU 虚拟机映像变体 PJRT 或 Stream Executor）。
v5p 和 v5e 培训
TPU v5e 和 v5p 支持 TensorFlow 2.15.0 及更高版本。您需要指定 TPU 虚拟机
使用以下格式的图片：tpu-vm-tf-x.y.z-{pod}-pjrt，其中 x 是主图片
TensorFlow 版本，y 为次要版本，z 为
TensorFlow 补丁版本。在 TensorFlow 版本后面添加 pod
请使用多主机 TPU。例如，如果你使用 TensorFlow
2.16.0 在多主机 TPU 上运行，请使用 tpu-vm-tf-2.16.0-pod-pjrt TPU 虚拟机映像。对于
其他版本的 TensorFlow，请将 2.16.0 替换为主要版本和补丁
所用的 TensorFlow 版本。如果您使用的是单个主机 TPU，
省略 pod。
在 v5e 上投放
目前提供的 Docker 映像包含部署应用所需的所有软件要求 支持 TensorFlow、PyTorch 和 JAX。如需了解详情，请参阅 Cloud TPU v5e 推理简介。
TPU v4
如果您使用的是 TPU v4 和 TensorFlow 2.15.0 或更高版本，请遵循 v5p 和 v5e 培训的说明。如果您使用的是 TensorFlow 2.10.0 或更早版本，请使用特定于 v4 的 TPU 虚拟机映像：
| TensorFlow 版本 | TPU 虚拟机映像版本 |
|---|---|
| 2.10.0 | tpu-vm-tf-2.10.0-v4 tpu-vm-tf-2.10.0-pod-v4 |
| 2.9.3 | tpu-vm-tf-2.9.3-v4 tpu-vm-tf-2.9.3-pod-v4 |
| 2.9.2 | tpu-vm-tf-2.9.2-v4 tpu-vm-tf-2.9.2-pod-v4 |
| 2.9.1 | tpu-vm-tf-2.9.1-v4 tpu-vm-tf-2.9.1-pod-v4 |
TPU v2 和 v3
如果您使用的是 TPU v2 或 v3，请使用与
正在使用的 TensorFlow。例如，如果你使用
2.14.1，使用 tpu-vm-tf-2.14.1 TPU 映像。对于其他版本
请将 2.14.1 替换为您之前使用的 TensorFlow 版本，
使用的技术。如果您使用的是多主机 TPU，请将 Pod 附加到 TPU 末尾
图片，例如 tpu-vm-tf-2.14.1-pod。
从 TensorFlow 2.15.0 开始，您还必须指定设备 API。
例如，如果您将 TensorFlow 2.16.1 与 PJRT API 结合使用，请使用
TPU 映像 tpu-vm-tf-2.16.1-pjrt。如果您使用的是数据流执行器 API
请使用 tpu-vm-tf-2.16.1-se TPU
图片。2.15.0 之前的 TensorFlow 版本仅支持流执行器。
TensorFlow PJRT 支持
从 TensorFlow 2.15.0 开始，您可以使用 PJRT 接口 在 TPU 上使用 TensorFlow。PJRT 具有自动设备内存碎片整理功能 并简化硬件与框架的集成。更多信息 关于 PJRT，请参阅 PJRT：简化机器学习硬件和框架集成。
| 加速器 | 特征 | PJRT 支持 | 流执行器支持 |
|---|---|---|---|
| TPU v2 - v4 | 密集计算（无 TPU 嵌入 API） | 是 | 是 |
| TPU v2 - v4 | 密集计算 API + TPU 嵌入 API | 否 | 是 |
| TPU v2 - v4 | 使用软设备放置的 tf.summary/tf.print | 否 | 是 |
| TPU v5e | 密集计算（无 TPU 嵌入 API） | 是 | 否 |
| TPU v5e | TPU 嵌入 API | 不适用 | 否 |
| TPU v5p | 密集计算（无 TPU 嵌入 API） | 是 | 否 |
| TPU v5p | TPU 嵌入 API | 是 | 否 |
Libtpu 版本
TPU 虚拟机 TensorFlow 映像包含特定的 TensorFlow 版本 以及相应的 libtpu 库如果您要创建自己的虚拟机映像 使用以下 TensorFlow TPU 软件版本及相应的 libtpu 版本：
| TensorFlow 版本 | libtpu.so 版本 |
|---|---|
| 2.17.0 | 1.11.0 |
| 2.16.2 | 1.10.1 |
| 2.16.1 | 1.10.1 |
| 2.15.1 | 1.9.0 |
| 2.15.0 | 1.9.0 |
| 2.14.1 | 1.8.1 |
| 2.14.0 | 1.8.0 |
| 2.13.1 | 1.7.1 |
| 2.13.0 | 1.7.0 |
| 2.12.1 | 1.6.1 |
| 2.12.0 | 1.6.0 |
| 2.11.1 | 1.5.1 |
| 2.11.0 | 1.5.0 |
| 2.10.1 | 1.4.1 |
| 2.10.0 | 1.4.0 |
| 2.9.3 | 1.3.2 |
| 2.9.1 | 1.3.0 |
| 2.8.3 | 1.2.3 |
| 2.8.0 | 1.2.0 |
| 2.7.3 | 1.1.2 |