Pubblica Stable Diffusion XL (SDXL) utilizzando TPU su GKE con MaxDiffusion

Autopilot Standard

---

Questo tutorial mostra come pubblicare un modello di generazione di immagini SDXL utilizzando le Tensor Processing Unit (TPU) su Google Kubernetes Engine (GKE) con MaxDiffusion. In questo tutorial scaricherai il modello da Hugging Face ed eseguirai il deployment su un cluster Autopilot o Standard utilizzando un container che esegue MaxDiffusion.

Questa guida è un buon punto di partenza se hai bisogno del controllo granulare, della personalizzazione, della scalabilità, della resilienza, della portabilità e dell'economicità di Kubernetes gestito durante il deployment e la pubblicazione dei tuoi carichi di lavoro di AI/ML. Se hai bisogno di una piattaforma di AI gestita unificata per creare e pubblicare rapidamente modelli ML in modo economico, ti consigliamo di provare la nostra soluzione di deployment Vertex AI.

Sfondo

Se utilizzi SDXL con le TPU su GKE con MaxDiffusion, puoi creare una soluzione di gestione solida e pronta per la produzione con tutti i vantaggi di Kubernetes gestito, tra cui efficienza dei costi, scalabilità e maggiore disponibilità. Questa sezione descrive le tecnologie chiave utilizzate in questo tutorial.

Stable Diffusion XL (SDXL)

Stable Diffusion XL (SDXL) è un tipo di modello di diffusione latente (LDM) supportato da MaxDiffusion per l'inferenza. Per l'AI generativa, puoi utilizzare i modelli LDM per generare immagini di alta qualità a partire da descrizioni di testo. I modelli LDM sono utili per applicazioni come la ricerca di immagini e la creazione di didascalie per le immagini.

SDXL supporta l'inferenza su uno o più host con annotazioni di sharding. In questo modo, SDXL può essere addestrato ed eseguito su più macchine, il che può migliorare l'efficienza.

Per saperne di più, consulta il repository Generative Models di Stability AI e l'articolo SDXL.

TPU

Le TPU sono circuiti integrati specifici per le applicazioni (ASIC) sviluppati da Google e utilizzati per accelerare i modelli di machine learning e AI creati utilizzando framework come TensorFlow, PyTorch e JAX.

Prima di utilizzare le TPU in GKE, ti consigliamo di completare il seguente percorso di apprendimento:

1. Scopri di più sulla disponibilità della versione attuale della TPU con l'architettura di sistema di Cloud TPU.
2. Scopri di più sulle TPU in GKE.

Questo tutorial illustra l'erogazione del modello SDXL. GKE esegue il deployment del modello su nodi TPU v5e a singolo host con topologie TPU configurate in base ai requisiti del modello per la gestione dei prompt con bassa latenza. In questa guida, il modello utilizza un chip TPU v5e con una topologia 1x1.

MaxDiffusion

MaxDiffusion è una raccolta di implementazioni di riferimento, scritte in Python e Jax, di vari modelli di diffusione latente che vengono eseguiti su dispositivi XLA, tra cui TPU e GPU. MaxDiffusion è un punto di partenza per i progetti di diffusione sia per la ricerca che per la produzione.

Per saperne di più, consulta il repository MaxDiffusion.

Obiettivi

Questo tutorial è rivolto ai clienti dell'AI generativa che utilizzano JAX, agli utenti nuovi o esistenti di SDXL e a qualsiasi ML Engineer, MLOps (DevOps) Engineer o amministratore della piattaforma interessato a utilizzare le funzionalità di orchestration dei container Kubernetes per il servizio di LLM.

Questo tutorial illustra i seguenti passaggi:

1. Crea un cluster GKE Autopilot o Standard con la topologia TPU consigliata, in base alle caratteristiche del modello.
2. Crea un'immagine container di inferenza SDXL.
3. Esegui il deployment del server di inferenza SDXL su GKE.
4. Pubblica e interagisci con il modello tramite un'app web.

Architettura

Questa sezione descrive l'architettura GKE utilizzata in questo tutorial. L'architettura è costituita da un cluster GKE Autopilot o Standard che esegue il provisioning delle TPU e ospita i componenti MaxDiffusion. GKE utilizza questi componenti per eseguire il deployment e pubblicare i modelli.

Il seguente diagramma mostra i componenti di questa architettura:

Questa architettura include i seguenti componenti:

• Un cluster regionale GKE Autopilot o Standard.
• Un singolo pool di nodi di sezioni TPU single-host che ospita il modello SDXL nel deployment MaxDiffusion.
• Il componente Service con un bilanciatore del carico di tipo ClusterIP. Questo servizio distribuisce il traffico in entrata a tutte le repliche di MaxDiffusion HTTP.
• Il server WebApp HTTP con un servizio LoadBalancer esterno che distribuisce il traffico in entrata e reindirizza il traffico di gestione dei modelli al servizio ClusterIP.

Prima di iniziare

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

Verify 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

Verify 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, roles/artifactregistry.admin

  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 column 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.

     Vai a IAM
  2. Seleziona il progetto.
  3. Fai clic su Concedi l'accesso.

  4. Nel campo Nuove entità, inserisci il tuo identificatore utente. In genere si tratta dell'indirizzo email di un Account Google.

  5. Nell'elenco Seleziona un ruolo, seleziona un ruolo.
  6. Per concedere altri ruoli, fai clic su Aggiungi un altro ruolo e aggiungi ogni ruolo aggiuntivo.
  7. Fai clic su Salva.
  • Verifica di disporre di una quota sufficiente per i chip TPU v5e PodSlice Lite. In questo tutorial utilizzi le istanze on demand.

  Prepara l'ambiente

  In questo tutorial utilizzerai Cloud Shell per gestire le risorse ospitate su Google Cloud. Cloud Shell include il software preinstallato necessario per questo tutorial, tra cui kubectl e gcloud CLI.

  Per configurare l'ambiente con Cloud Shell:

  1. Nella console Google Cloud , avvia una sessione di Cloud Shell facendo clic su Attiva Cloud Shell nella Google Cloud console. Viene avviata una sessione nel riquadro inferiore della console Google Cloud .

  2. Imposta le variabili di ambiente predefinite:

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

     Sostituisci i seguenti valori:

     • PROJECT_ID: il tuo Google Cloud ID progetto.
     • CLUSTER_NAME: il nome del tuo cluster GKE.
     • REGION_NAME: la regione in cui si trovano il cluster GKE, il bucket Cloud Storage e i nodi TPU. La regione contiene zone in cui sono disponibili i tipi di macchine TPU v5e (ad esempio us-west1, us-west4, us-central1, us-east1, us-east5 o europe-west4).
     • (Solo cluster Standard) ZONE: la zona in cui sono disponibili le risorse TPU (ad esempio, us-west4-a). Per i cluster Autopilot, non è necessario specificare la zona, ma solo la regione.

  3. Clona il repository di esempio e apri la directory del tutorial:

     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
     

  Creare e configurare risorse Google Cloud

  Segui queste istruzioni per creare le risorse richieste.

  Nota: potrebbe essere necessario creare una prenotazione di capacità per l'utilizzo di alcuni acceleratori. Per scoprire come prenotare e utilizzare le risorse prenotate, consulta Utilizzo di risorse di zona prenotate.

  Crea un cluster GKE

  Puoi pubblicare SDXL sulle TPU in un cluster GKE Autopilot o Standard. Ti consigliamo di utilizzare un cluster Autopilot per un'esperienza Kubernetes completamente gestita. Per scegliere la modalità operativa GKE più adatta ai tuoi carichi di lavoro, consulta Scegliere una modalità operativa GKE.

  Autopilot

  1. In Cloud Shell, esegui questo comando:

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

     GKE crea un cluster Autopilot con nodi CPU e TPU come richiesto dai carichi di lavoro di cui è stato eseguito il deployment.

  2. Configura kubectl per comunicare con il cluster:

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

  Standard

  1. Crea un cluster GKE Standard regionale che utilizzi Workload Identity Federation for 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 creazione del cluster potrebbe richiedere diversi minuti.

  2. Esegui questo comando per creare un node pool per il tuo cluster:

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

     GKE crea un pool di nodi TPU v5e con una topologia 1x1 e un nodo.

     Per creare node pool con topologie diverse, scopri come pianificare la configurazione TPU. Assicurati di aggiornare i valori di esempio in questo tutorial, ad esempio cloud.google.com/gke-tpu-topology e google.com/tpu.

  3. Configura kubectl per comunicare con il cluster:

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

  Crea il container di inferenza SDXL

  Segui queste istruzioni per creare un'immagine container per il server di inferenza SDXL.

  1. Apri il file manifest build/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. Esegui la build e crea l'immagine container di inferenza.

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

     L'output contiene il percorso dell'immagine container.

  Esegui il deployment del server di inferenza SDXL

  In questa sezione, esegui il deployment del server di inferenza SDXL. Per eseguire il deployment del server, questo tutorial utilizza un deployment Kubernetes. Un deployment è un oggetto API Kubernetes che consente di eseguire più repliche di pod distribuite tra i nodi di un cluster.

  1. Esplora il manifest di 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. Aggiorna l'ID progetto nel manifest.

     cd $WORK_DIR
     perl -pi -e 's|PROJECT_ID|PROJECT_ID|g' serve_sdxl_v5e.yaml
     perl -pi -e 's|REGION|REGION_NAME|g' serve_sdxl_v5e.yaml
     

  3. Applica il manifest:

     kubectl apply -f serve_sdxl_v5e.yaml
     

     L'output è simile al seguente:

     deployment.apps/max-diffusion-server created
     

  4. Verifica lo stato del modello:

     kubectl get deploy --watch
     

     L'output è simile al seguente:

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

  5. Recupera l'indirizzo ClusterIP:

     kubectl get service max-diffusion-server
     

     L'output contiene un campo ClusterIP. Prendi nota del valore di CLUSTER-IP.

  6. Convalida il deployment:

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

     Sostituisci CLUSTER_IP con il valore CLUSTER-IP che hai annotato in precedenza. L'output è simile al seguente:

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

  7. Visualizza i log del deployment:

     kubectl logs -l app=max-diffusion-server
     

     Al termine del deployment, l'output è simile al seguente:

     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.
     

  Esegui il deployment del client dell'app web

  In questa sezione, esegui il deployment del client dell'app web per pubblicare il modello SDXL.

  1. Esplora il manifest di 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. Esegui la build e crea l'immagine container del client nella directory build/webapp.

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

     L'output contiene il percorso dell'immagine container.

  3. Apri il file manifest 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. Modifica l'ID progetto nel manifest:

     cd $WORK_DIR
     perl -pi -e 's|PROJECT_ID|PROJECT_ID|g' serve_sdxl_client.yaml
     perl -pi -e 's|ClusterIP|CLUSTER_IP|g' serve_sdxl_client.yaml
     perl -pi -e 's|REGION|REGION_NAME|g' serve_sdxl_client.yaml
     

  5. Applica il manifest:

     kubectl apply -f serve_sdxl_client.yaml
     

  6. Recupera l'indirizzo IP LoadBalancer:

     kubectl get service max-diffusion-client-service
     

     L'output contiene un campo LoadBalancer. Prendi nota del valore di EXTERNAL-IP.

  Operazione riuscita: hai eseguito il deployment del modello SDXL utilizzando MaxDiffusion e TPU v5e in GKE.

  Interagisci con il modello utilizzando la pagina web

  1. Accesso al seguente URL da un browser web:

     http://EXTERNAL_IP:8080
     

     Sostituisci EXTERNAL_IP con il valore EXTERNAL_IP che hai annotato in precedenza.

  2. Interagisci con SDXL utilizzando l'interfaccia di chat. Aggiungi un prompt e fai clic su Invia. Ad esempio:

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

  L'output è un'immagine generata dal modello simile al seguente esempio:

  

  Esegui la pulizia

  Per evitare che al tuo Account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questo tutorial, elimina il progetto che contiene le risorse oppure mantieni il progetto ed elimina le singole risorse.

  Elimina il progetto

  Attenzione: l'eliminazione di un progetto ha i seguenti effetti:

  • L'intero contenuto del progetto viene eliminato. Se hai utilizzato un progetto esistente per le attività descritte in questo documento, quando lo elimini, elimini anche tutto il lavoro che hai svolto nel progetto.
  • Gli ID progetto personalizzati non sono più disponibili. Quando hai creato questo progetto, potresti aver creato un ID progetto personalizzato che vuoi utilizzare in futuro. Per conservare gli URL che utilizzano l'ID progetto, ad esempio un URL appspot.com, elimina le risorse selezionate all'interno del progetto anziché eliminare l'intero progetto.

  Se intendi esplorare più architetture, tutorial o guide rapide, puoi riutilizzare i progetti ed evitare così di superare i limiti di quota.

  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.

  Elimina le singole risorse

  Mantieni il progetto ed elimina le singole risorse, come descritto nella sezione seguente. Esegui questi comandi e segui le istruzioni:

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

  Passaggi successivi

  • Configura il tutorial con altre topologie TPU. Per scoprire di più su altre topologie TPU, consulta la sezione Pianificare la configurazione TPU.
  • Esplora il codice campione del server di inferenza MaxDiffusion nel repository di esempio che hai clonato in questo tutorial.
  • Scopri di più sulle TPU in GKE.
  • Esplora il repository GitHub di JetStream.
  • Esplora Vertex AI Model Garden.