Como melhorar o desempenho do seu modelo com bfloat16

Por padrão, as TPUs executam operações de multiplicação de matriz com valores bfloat16 e acumulações com valores float32 do IEEE. O uso de números de ponto flutuante de precisão reduzida diminui o tempo até convergência sem perder a acurácia.

O intervalo dinâmico de bfloat16 e float32 são equivalentes. No entanto, bfloat16 usa metade do espaço de memória. Para mais informações sobre o desempenho de bfloat16, consulte Um estudo do BFLOAT16 para treinamento de aprendizado profundo.

Usar bfloat16 explicitamente

Embora a conversão automática de formato em TPUs evite pensar em números precisão, é possível conseguir melhorias de desempenho ao transmitir valores explicitamente para bfloat16. Há dois motivos para transmitir valores explicitamente para bfloat16:

1. Armazenar valores no formato bfloat16 economiza memória no chip, permitindo que as Cloud TPUs treinem modelos maiores ou usem tamanhos de lote maiores.

2. Algumas operações são vinculadas à largura de banda, o que significa que o tempo necessário para carregar dados da memória pode diminuir o tempo total gasto na execução do cálculo. Armazenar operandos e saídas dessas operações no formato bfloat16 reduz a quantidade de dados que precisam ser transferidos, melhorando a velocidade geral.

Para começar, recomendamos ter alguma experiência com um dos Modelos de referência do Cloud TPU. Depois disso, o guia de ferramentas de criação de perfil e o guia de solução de problemas fornecem informações técnicas detalhadas para ajudar você a criar e otimizar modelos de aprendizado de máquina por conta própria.

Formatar detalhes da conversão

A conversão de formato de float32 para bfloat16 é inserida automaticamente pelo compilador XLA. Na TPU, o esquema de arredondamento da conversão é arredondar para o par mais próximo e estouro para inf. Além disso, o bfloat16 no Cloud TPU não oferece suporte a subnormais, portanto, todos os subnormais são zerados durante a conversão. Valores especiais, como NaN e inf, são preservados na conversão.

A conversão de formato de bfloat16 para float32 também é inserida automaticamente pelo compilador XLA. Como float32 pode representar todos os valores exatos em bfloat16, a conversão preenche 16 zeros nos bits de mantissa. Os valores especiais são preservados na conversão.

Os checkpoints recebidos de um modelo treinado em Cloud TPUs podem ser implantados em outras plataformas de hardware, como inferência ou ajuste em CPUs ou GPUs, sem conversões manuais extensas.