Mejora el rendimiento de tu modelo con bfloat16

De forma predeterminada, las TPU realizan operaciones de multiplicación de matrices con bfloat16 valores y acumulaciones con IEEE float32 de salida. El uso de números de punto flotante con precisión reducida disminuye el tiempo de la convergencia sin perder exactitud.

Los rangos dinámicos de bfloat16 y float32 son equivalentes. Sin embargo, bfloat16 ocupa la mitad del espacio de la memoria. Para obtener más información sobre el rendimiento de bfloat16, consulta Un estudio de BFLOAT16 para el entrenamiento de aprendizaje profundo.

Usa bfloat16 explícitamente

Mientras que la conversión automática de formato en las TPU te permite evitar tener en cuenta la precisión, puedes lograr mejoras de rendimiento si conviertes valores de forma explícita a bfloat16. Hay dos motivos para convertir valores de forma explícita en bfloat16:

1. Almacenar valores en formato bfloat16 ahorra memoria en el chip, lo que habilita las Cloud TPU para entrenar modelos más grandes o usar tamaños de lotes más grandes.

2. Algunas operaciones dependen del ancho de banda de la memoria, es decir, la cantidad de tiempo que que demora cargar datos desde la memoria puede ralentizar el tiempo total dedicado a el cálculo. Almacenar operandos y salidas de esas operaciones en bfloat16 reduce la cantidad de datos que se deben transferir, lo que mejora la velocidad.

Para empezar, te recomendamos adquirir un poco de experiencia con uno de los Modelos de referencia de Cloud TPU. Después del la guía de herramientas de generación de perfiles y guía de solución de problemas información técnica detallada para ayudarte a crear y optimizar el aprendizaje automático tus propios modelos.

Dar formato a los detalles de las conversiones

El elemento inserta automáticamente la conversión de formato de float32 a bfloat16 Compilador XLA. En la TPU, el esquema de redondeo en la conversión es redondear hasta el punto más cercano y se desborda a inf. Además, bfloat16 en Cloud TPU no es compatible subnormales, por lo que todas las subnormales se vacían a cero durante la conversión. Los valores especiales, como NaN y inf, se conservan en la conversión.

La conversión de formato de bfloat16 a float32 también se inserta automáticamente. el compilador XLA. Como float32 puede representar todos los valores exactos en bfloat16, la conversión rellena 16 ceros en los bits de la mantisa. Los valores especiales son los siguientes: en la conversión.

Los puntos de control obtenidos de un modelo entrenado en Cloud TPU pueden implementarse en otros Plataformas de hardware (por ejemplo, inferencia o ajuste de CPU o GPU) sin realizar muchas conversiones manuales.