Modellleistung mit bfloat16 verbessern

TPUs bieten standardmäßig eine Matrixmultiplikationen mit bfloat16 Werte und Akkumulationen mit IEEE float32 Werte. Durch die Verwendung von Gleitkommazahlen mit geringerer Genauigkeit ohne Abstriche bei der Genauigkeit zu machen.

Der dynamische Bereich von bfloat16 und float32 ist äquivalent. bfloat16 belegt die Hälfte des Arbeitsspeichers. Weitere Informationen zur Leistung von bfloat16 Siehe Eine Studie zu BFLOAT16 für Deep-Learning-Schulungen.

bfloat16 explizit verwenden

Dank der automatischen Formatkonvertierung in TPUs müssen Sie sich keine Gedanken über numerische Werte machen. können Sie Leistungsverbesserungen erzielen, indem Sie Werte explizit an bfloat16. Es gibt zwei Gründe, Werte explizit in bfloat16 umzuwandeln:

1. Das Speichern von Werten im Format bfloat16 spart On-Chip-Arbeitsspeicher, sodass Cloud TPUs größere Modelle trainieren oder größere Batches verwenden können.

2. Einige Operationen sind an die Arbeitsspeicherbandbreite gebunden. Das heißt, dass die Zeit, die zum Laden von Daten aus dem Arbeitsspeicher aufgewendet wird, die für die Berechnung benötigte Zeit verlängern kann. Operanden und Ausgaben dieser Operationen in bfloat16 speichern reduziert die zu übertragende Datenmenge und verbessert sich insgesamt Geschwindigkeit.

Für den Einstieg empfehlen wir Ihnen, sich ein wenig Erfahrung mit einem der Cloud TPU-Referenzmodelle: Nachher im Leitfaden zu Profilerstellungstools und Anleitung zur Fehlerbehebung bereitstellen detaillierte technische Informationen zum Erstellen und Optimieren von maschinellem Lernen Modelle zu erstellen.

Details zur Format-Conversion

Die Formatumwandlung von float32 in bfloat16 wird automatisch eingefügt durch den XLA-Compiler. Bei TPUs ist das Rundungsschema in der Konvertierung Rund um die nächste Stufe und Überlauf nach inf. Außerdem unterstützt der bfloat16 in Cloud TPU keine Subnormalen angezeigt, sodass alle Subnormalen während der Konvertierung auf null gesetzt werden. Spezielle Werte wie NaN und inf bleiben in der Conversion erhalten.

Die Formatumwandlung von bfloat16 in float32 wird ebenfalls automatisch eingefügt. vom XLA-Compiler. Da float32 alle genauen Werte in bfloat16 darstellen kann, die Konvertierungspads 16 Nullen in die Mantissenbits. Spezielle Werte sind beibehalten werden.

Prüfpunkte, die aus einem auf Cloud TPUs trainierten Modell abgerufen wurden, können ohne umfangreiche manuelle Konvertierungen auf anderen Hardwareplattformen (z. B. Inferenz oder Feinabstimmung auf CPUs oder GPUs) bereitgestellt werden.