Diffuser Stable Diffusion XL (SDXL) à l'aide de TPU sur GKE avec MaxDiffusion

Autopilot Standard

---

Ce tutoriel vous montre comment diffuser un modèle de génération d'images SDXL à l'aide des TPU (Tensor Processing Unit) sur Google Kubernetes Engine (GKE) avec MaxDiffusion. Dans ce tutoriel, vous allez télécharger le modèle depuis Hugging Face et le déployer sur un cluster Autopilot ou Standard à l'aide d'un conteneur exécutant MaxDiffusion.

Ce guide est un bon point de départ si vous avez besoin du contrôle précis, de la personnalisation, de l'évolutivité, de la résilience, de la portabilité et de la rentabilité des services Kubernetes gérés lors du déploiement et de la diffusion de vos charges de travail d'IA/de ML. Si vous avez besoin d'une plate-forme d'IA gérée unifiée pour créer et diffuser rapidement des modèles de ML à moindre coût, nous vous recommandons d'essayer notre solution de déploiement Vertex AI.

Contexte

En diffusant SDXL à l'aide de TPU sur GKE avec MaxDiffusion, vous pouvez créer une solution de diffusion robuste et prête pour la production avec tous les avantages de la plate-forme Kubernetes gérée, y compris la rentabilité, l'évolutivité et la plus grande disponibilité. Cette section décrit les principales technologies utilisées dans ce tutoriel.

Stable Diffusion XL (SDXL)

Stable Diffusion XL (SDXL) est un type de modèle de diffusion latente (LDM) compatible avec MaxDiffusion pour l'inférence. Pour l'IA générative, vous pouvez utiliser des LDM pour générer des images de haute qualité à partir de descriptions textuelles. Les LDM sont utiles pour des applications telles que la recherche d'images et le sous-titrage d'images.

SDXL accepte l'inférence à hôtes unique ou multi-hôte avec des annotations de segmentation. Cela permet d'entraîner et d'exécuter SDXL sur plusieurs machines, ce qui peut améliorer l'efficacité.

Pour en savoir plus, consultez le dépôt Generative Models by Stability AI et l'article SDXL.

TPU

Les TPU sont des circuits intégrés propres aux applications (Application-Specific Integrated Circuit ou ASIC), développés spécifiquement par Google et permettant d'accélérer le machine learning et les modèles d'IA créés à l'aide de frameworks tels que TensorFlow, PyTorch et JAX.

Avant d'utiliser des TPU dans GKE, nous vous recommandons de suivre le parcours de formation suivant :

1. Découvrez la disponibilité actuelle des versions de TPU avec l'architecture système de Cloud TPU.
2. Apprenez-en plus sur les TPU dans GKE.

Ce tutoriel couvre la diffusion du modèle SDXL. GKE déploie le modèle sur des nœuds TPU v5e à hôte unique avec des topologies TPU configurées en fonction des exigences du modèle pour diffuser des requêtes avec une faible latence. Dans ce guide, le modèle utilise une puce TPU v5e avec une topologie 1x1.

MaxDiffusion

MaxDiffusion est un ensemble d'implémentations de référence, écrites en Python et Jax, de divers modèles de diffusion latente qui s'exécutent sur des appareils XLA, y compris des TPU et des GPU. MaxDiffusion est un point de départ pour les projets Diffusion, à la fois pour la recherche et la production.

Pour en savoir plus, consultez le dépôt MaxDiffusion.

Objectifs

Ce tutoriel est destiné aux clients d'IA générative qui utilisent JAX, aux utilisateurs nouveaux ou existants de SDXL, aux ingénieurs en ML, aux ingénieurs MLOps (DevOps) ou aux administrateurs de plate-forme qui souhaitent utiliser les fonctionnalités d'orchestration de conteneurs Kubernetes pour diffuser des LLM.

Ce tutoriel couvre les étapes suivantes :

1. Créer un cluster GKE Autopilot ou standard avec la topologie TPU recommandée en fonction des caractéristiques du modèle.
2. Créer une image de conteneur d'inférence SDXL.
3. Déployer le serveur d'inférence SDXL sur GKE.
4. Diffuser une interaction avec le modèle via une application Web.

Architecture

Cette section décrit l'architecture GKE utilisée dans ce tutoriel. L'architecture se compose d'un cluster GKE Autopilot ou standard qui provisionne les TPU et héberge les composants MaxDiffusion. GKE utilise ces composants pour déployer et diffuser les modèles.

Le schéma suivant montre les composants de cette architecture:

Cette architecture comprend les composants suivants :

• Un cluster régional GKE Autopilot ou Standard.
• Un pool de nœuds de tranche de TPU à hôte unique qui héberge le modèle SDXL sur le déploiement MaxDiffusion.
• Composant de service avec un équilibreur de charge de type ClusterIP. Ce service distribue le trafic entrant vers toutes les instances dupliquées MaxDiffusion HTTP.
• Le serveur WebApp HTTP avec un service LoadBalancer externe qui distribue le trafic entrant et redirige le trafic de diffusion du modèle vers le service ClusterIP.

Avant de commencer

• Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

• In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

  Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

  Go to project selector

• Make sure that billing is enabled for your Google Cloud project.

• Enable the required API.

  Enable the API

• In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

  Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

  Go to project selector

• Make sure that billing is enabled for your Google Cloud project.

• Enable the required API.

  Enable the API

• Make sure that you have the following role or roles on the project: roles/container.admin, roles/iam.serviceAccountAdmin

  Check for the roles

  1. In the Google Cloud console, go to the IAM page.

     Go to IAM
  2. Select the project.

  3. In the Principal column, find all rows that identify you or a group that you're included in. To learn which groups you're included in, contact your administrator.

  4. For all rows that specify or include you, check the Role colunn to see whether the list of roles includes the required roles.

  Grant the roles

  1. In the Google Cloud console, go to the IAM page.

     Accéder à IAM
  2. Sélectionnez le projet.
  3. Cliquez sur Accorder l'accès.

  4. Dans le champ Nouveaux comptes principaux, saisissez votre identifiant utilisateur. Il s'agit généralement de l'adresse e-mail d'un compte Google.

  5. Dans la liste Sélectionner un rôle, sélectionnez un rôle.
  6. Pour attribuer des rôles supplémentaires, cliquez sur Ajouter un autre rôle et ajoutez chaque rôle supplémentaire.
  7. Cliquez sur Enregistrer.

• Assurez-vous de disposer d'un quota suffisant pour les puces TPU v5e PodSlice Lite. Dans ce tutoriel, vous utilisez des instances à la demande.

Préparer l'environnement

Dans ce tutoriel, vous utilisez Cloud Shell pour gérer les ressources hébergées sur Google Cloud. Cloud Shell est préinstallé avec les logiciels dont vous avez besoin pour ce tutoriel, y compris kubectl et gcloud CLI.

Pour configurer votre environnement avec Cloud Shell, procédez comme suit :

1. Dans la console Google Cloud, lancez une session Cloud Shell en cliquant sur Activer Cloud Shell dans la console Google Cloud. Une session s'ouvre dans le volet inférieur de la console Google Cloud.

2. Définissez les variables d'environnement par défaut :

   gcloud config set project PROJECT_ID
   export PROJECT_ID=$(gcloud config get project)
   export CLUSTER_NAME=CLUSTER_NAME
   export REGION=REGION_NAME
   export ZONE=ZONE
   

   Remplacez les valeurs suivantes :

   • PROJECT_ID : ID de votre projet Google Cloud.
   • CLUSTER_NAME : nom de votre cluster GKE.
   • REGION_NAME: région où se trouvent le cluster GKE, le bucket Cloud Storage et les nœuds TPU. La région contient les zones dans lesquelles les types de machines TPU v5e sont disponibles (par exemple, us-west1, us-west4, us-central1, us-east1, us-east5 ou europe-west4).
   • (Cluster standard uniquement) ZONE: zone où les ressources TPU sont disponibles (par exemple, us-west4-a). Pour les clusters Autopilot, il n'est pas nécessaire de spécifier la zone, mais uniquement la région.

3. Clonez l'exemple de dépôt et ouvrez le répertoire du tutoriel :

   git clone https://github.com/GoogleCloudPlatform/kubernetes-engine-samples
   cd kubernetes-engine-samples/ai-ml/maxdiffusion-tpu 
   WORK_DIR=$(pwd)
   gcloud artifacts repositories create gke-llm --repository-format=docker --location=$REGION
   gcloud auth configure-docker $REGION-docker.pkg.dev
   

Créer et configurer des ressources Google Cloud

Suivez les instructions ci-dessous pour créer les ressources requises.

Remarque : Vous devrez peut-être créer une réservation de capacité pour l'utilisation de certains accélérateurs. Pour savoir comment réserver et consommer des ressources réservées, consultez la section Consommer des ressources zonales réservées.

Créer un cluster GKE

Vous pouvez diffuser les modèles SDLX sur des TPU dans un cluster GKE Autopilot ou GKE Standard. Nous vous recommandons d'utiliser un cluster GKE Autopilot pour une expérience Kubernetes entièrement gérée. Pour choisir le mode de fonctionnement GKE le mieux adapté à vos charges de travail, consultez la section Choisir un mode de fonctionnement GKE.

Autopilot

1. Dans Cloud Shell, exécutez la commande suivante :

   gcloud container clusters create-auto ${CLUSTER_NAME} \
     --project=${PROJECT_ID} \
     --region=${REGION} \
     --release-channel=rapid \
     --cluster-version=1.29
   

   GKE crée un cluster Autopilot avec des nœuds de processeur et de GPU, à la demande des charges de travail déployées.

2. Configurez kubectl de manière à communiquer avec votre cluster :

     gcloud container clusters get-credentials ${CLUSTER_NAME} --location=${REGION}
   

Standard

1. Créez un cluster GKE Standard régional qui utilise la fédération d'identité de charge de travail pour GKE.

   gcloud container clusters create ${CLUSTER_NAME} \
       --enable-ip-alias \
       --machine-type=n2-standard-4 \
       --num-nodes=2 \
       --workload-pool=${PROJECT_ID}.svc.id.goog \
       --location=${REGION}
   

   La création du cluster peut prendre plusieurs minutes.

2. Exécutez la commande suivante pour créer un pool de nœuds pour votre cluster :

   gcloud container node-pools create maxdiffusion-tpu-nodepool \
     --cluster=${CLUSTER_NAME} \
     --machine-type=ct5lp-hightpu-1t \
     --num-nodes=1 \
     --region=${REGION} \
     --node-locations=${ZONE} \
     --spot
   

   GKE crée un pool de nœuds TPU v5e avec une topologie 1x1 et un nœud.

   Pour créer des pools de nœuds avec différentes topologies, découvrez comment planifier la configuration TPU. Veillez à mettre à jour les exemples de valeurs dans ce tutoriel, tels que cloud.google.com/gke-tpu-topology et google.com/tpu.

3. Configurez kubectl de manière à communiquer avec votre cluster :

     gcloud container clusters get-credentials ${CLUSTER_NAME} --location=${REGION}
   

Créer le conteneur d'inférence SDXL

Suivez ces instructions afin de créer une image de conteneur pour le serveur d'inférence SDXL.

1. Ouvrez le fichier manifeste server/cloudbuild.yaml :

   steps:
   - name: 'gcr.io/cloud-builders/docker'
     args: [ 'build', '-t', '$LOCATION-docker.pkg.dev/$PROJECT_ID/gke-llm/max-diffusion:latest', '.' ]
   images:
   - '$LOCATION-docker.pkg.dev/$PROJECT_ID/gke-llm/max-diffusion:latest'

2. Exécutez la compilation et créez une image de conteneur d'inférence.

   cd $WORK_DIR/build/server
   gcloud builds submit . --region=$REGION
   

   La sortie contient le chemin d'accès de l'image du conteneur.

Déployer le serveur d'inférence SDXL

1. Explorez le fichier manifeste serve_sdxl_v5e.yaml.

   apiVersion: apps/v1
   kind: Deployment
   metadata:
     name: stable-diffusion-deployment
   spec:
     selector:
       matchLabels:
         app: max-diffusion-server
     replicas: 1  # number of nodes in node-pool
     template:
       metadata:
         labels:
           app: max-diffusion-server
       spec:
         nodeSelector:
           cloud.google.com/gke-tpu-topology: 1x1 #  target topology
           cloud.google.com/gke-tpu-accelerator: tpu-v5-lite-podslice
           #cloud.google.com/gke-spot: "true"
         volumes:
         - name: dshm
           emptyDir:
                 medium: Memory
         containers:
         - name: serve-stable-diffusion
           image: REGION-docker.pkg.dev/PROJECT_ID/gke-llm/max-diffusion:latest
           env:
           - name: MODEL_NAME
             value: 'stable_diffusion'
           ports:
           - containerPort: 8000
           resources:
             requests:
               google.com/tpu: 1  # TPU chip request
             limits:
               google.com/tpu: 1  # TPU chip request
           volumeMounts:
               - mountPath: /dev/shm
                 name: dshm
   
   ---
   apiVersion: v1
   kind: Service
   metadata:
     name: max-diffusion-server
     labels:
       app: max-diffusion-server
   spec:
     type: ClusterIP
     ports:
       - port: 8000
         targetPort: 8000
         name: http-max-diffusion-server
         protocol: TCP
     selector:
       app: max-diffusion-server

2. Mettez à jour l'ID du projet dans le fichier manifeste.

   cd $WORK_DIR
   sed -i "s|PROJECT_ID|$PROJECT_ID|g" serve_sdxl_v5e.yaml
   sed -i "s|REGION|$REGION|g" serve_sdxl_v5e.yaml
   

3. Appliquez le fichier manifeste :

   kubectl apply -f serve_sdxl_v5e.yaml
   

   Le résultat ressemble à ce qui suit :

   deployment.apps/max-diffusion-server created
   

4. Vérifiez l'état du modèle :

   watch kubectl get deploy
   

   Le résultat ressemble à ce qui suit :

   NAME                          READY   UP-TO-DATE   AVAILABLE   AGE
   stable-diffusion-deployment   1/1     1            1           8m21s
   

5. Récupérez l'adresse ClusterIP:

   kubectl get service max-diffusion-server
   

   Le résultat contient un champ ClusterIP. Notez la valeur CLUSTER-IP.

6. Validez le déploiement.

    export ClusterIP=CLUSTER_IP
    kubectl run curl --image=curlimages/curl \
       -it --rm --restart=Never \
       -- "$ClusterIP:8000"
   

   Remplacez CLUSTER_IP par la valeur CLUSTER-IP que vous avez notée précédemment. Le résultat ressemble à ce qui suit :

   {"message":"Hello world! From FastAPI running on Uvicorn with Gunicorn."}
   pod "curl" deleted
   

7. Affichez les journaux du déploiement:

   kubectl logs -l app=max-diffusion-server
   

   Une fois le déploiement terminé, le résultat est semblable à celui-ci:

   2024-06-12 15:45:45,459 [INFO] __main__: replicate params:
   2024-06-12 15:45:46,175 [INFO] __main__: start initialized compiling
   2024-06-12 15:45:46,175 [INFO] __main__: Compiling ...
   2024-06-12 15:45:46,175 [INFO] __main__: aot compiling:
   2024-06-12 15:45:46,176 [INFO] __main__: tokenize prompts:2024-06-12 15:48:49,093 [INFO] __main__: Compiled in 182.91802048683167
   INFO:     Started server process [1]
   INFO:     Waiting for application startup.
   INFO:     Application startup complete.
   

Déployer le client webapp

Dans cette section, vous allez déployer le client webapp pour diffuser le modèle SDXL.

1. Explorez le fichier manifeste build/webapp/cloudbuild.yaml.

   steps:
   - name: 'gcr.io/cloud-builders/docker'
     args: [ 'build', '-t', '$LOCATION-docker.pkg.dev/$PROJECT_ID/gke-llm/max-diffusion-web:latest', '.' ]
   images:
   - '$LOCATION-docker.pkg.dev/$PROJECT_ID/gke-llm/max-diffusion-web:latest'

2. Exécutez la compilation et créez l'image de conteneur client dans le répertoire build/webapp.

   cd $WORK_DIR/build/webapp
   gcloud builds submit . --region=$REGION
   

   La sortie contient le chemin d'accès de l'image du conteneur.

3. Ouvrez le fichier manifeste serve_sdxl_client.yaml :

   apiVersion: apps/v1
   kind: Deployment
   metadata:
     name: max-diffusion-client
   spec:
     selector:
       matchLabels:
         app: max-diffusion-client
     template:
       metadata:
         labels:
           app: max-diffusion-client
       spec:
         containers:
         - name: webclient
           image: REGION-docker.pkg.dev/PROJECT_ID/gke-llm/max-diffusion-web:latest
           env:
             - name: SERVER_URL
               value: "http://ClusterIP:8000"
           resources:
             requests:
               memory: "128Mi"
               cpu: "250m"
             limits:
               memory: "256Mi"
               cpu: "500m"
           ports:
           - containerPort: 5000
   ---
   apiVersion: v1
   kind: Service
   metadata:
     name: max-diffusion-client-service
   spec:
     type: LoadBalancer
     selector:
       app: max-diffusion-client
     ports:
     - port: 8080
       targetPort: 5000

4. Modifiez l'ID du projet dans le fichier manifeste:

   cd $WORK_DIR
   sed -i "s|PROJECT_ID|$PROJECT_ID|g" serve_sdxl_client.yaml
   sed -i "s|ClusterIP|$ClusterIP|g" serve_sdxl_client.yaml
   sed -i "s|REGION|$REGION|g" serve_sdxl_client.yaml
   

5. Appliquez le fichier manifeste :

   kubectl apply -f serve_sdxl_client.yaml
   

6. Récupérez l'adresse IP LoadBalancer:

   kubectl get service max-diffusion-client-service
   

   Le résultat contient un champ LoadBalancer. Notez la valeur EXTERNAL-IP.

Opération réussie : vous avez déployé le modèle SDXL à l'aide de MaxDiffusion et de TPU v5e dans GKE.

Interagir avec le modèle à l'aide de la page Web

1. Accédez à l'URL suivante depuis un navigateur Web:

   http://EXTERNAL_IP:8080
   

   Remplacez EXTERNAL_IP par la valeur EXTERNAL_IP que vous avez notée précédemment.

2. Interagissez avec SDXL à l'aide de l'interface de chat. Ajoutez une requête et cliquez sur Envoyer. Exemple :

   Create a detailed image of a fictional historical site, capturing its unique architecture and cultural significance
   

Le résultat est une image générée par le modèle semblable à l'exemple suivant:

Effectuer un nettoyage

Pour éviter que les ressources utilisées lors de ce tutoriel soient facturées sur votre compte Google Cloud, supprimez le projet contenant les ressources, ou conservez le projet et supprimez les ressources individuelles.

Supprimer le projet

Attention : La suppression d'un projet entraîne les effets décrits ci-dessous :

• Tout le contenu du projet est supprimé. Si vous avez utilisé un projet existant pour les tâches décrites dans ce document et que vous le supprimez, vous supprimerez également tout autre travail effectué dans le projet.
• Les ID de projets personnalisés sont perdus. Lorsque vous avez créé ce projet, vous avez peut-être créé un ID de projet personnalisé que vous souhaitez utiliser à l'avenir. Pour conserver les URL qui utilisent l'ID de projet, telle qu'une URL appspot.com, supprimez les ressources sélectionnées dans le projet au lieu de supprimer l'ensemble du projet.

Si vous envisagez d'explorer plusieurs architectures, tutoriels et guides de démarrage rapide, réutiliser des projets peut vous aider à ne pas dépasser les limites de quotas des projets.

1. In the Google Cloud console, go to the Manage resources page.

   Go to Manage resources

2. In the project list, select the project that you want to delete, and then click Delete.
3. In the dialog, type the project ID, and then click Shut down to delete the project.

Supprimer les ressources individuelles

Conservez le projet et supprimez les ressources individuelles, comme décrit dans la section suivante. Exécutez les commandes suivantes, puis suivez les instructions:

gcloud container clusters delete ${CLUSTER_NAME} --region=${REGION}

Étape suivante

• Configurez le tutoriel avec d'autres topologies de TPU. Pour en savoir plus sur d'autres topologies TPU, consultez la page Planifier la configuration TPU.
• Explorez l'exemple de code du serveur d'inférence MaxDiffusion dans l'exemple de dépôt que vous avez cloné dans ce tutoriel.
• Apprenez-en plus sur les TPU dans GKE.
• Explorez le dépôt GitHub JetStream.
• Explorez Vertex AI Model Garden.