次の表は、Cloud TPU サービス（Compute Engine、Google Kubernetes Engine、AI Platform）のうち、どれがニーズに最適かを判断するのに役立ちます。
Compute Engine
- Compute Engine の Cloud TPU は、Cloud TPU を初めて使用するユーザーや、独自の Cloud TPU サービスを管理したい経験豊富な機械学習ユーザーにとって良い出発点です。次の内容が含まれます。
- VM、TPU、Cloud Storage リソースを設定する
ctpuユーティリティ プログラム。 - 最初の機械学習モデルのトレーニングをガイドするクイックスタート。
- 画像分類、オブジェクト検出、言語翻訳モデルのチュートリアル。
- TPU モデル処理におけるパフォーマンスのモニタリングとボトルネック解決のためのツール。
- VM、TPU、Cloud Storage リソースを設定する
Kubernetes Engine
- Google Kubernetes Engine の Cloud TPU は次の機能を提供します。
- 簡単な設定と管理: Cloud TPU を使用するには、ワークロードを実行するための Compute Engine VM と、Cloud TPU の Classless Inter-Domain Routing（CIDR）ブロックが必要です。こうした VM と CIDR ブロックは、Google Kubernetes Engine によって自動的に設定、管理されます。
- 最適化されたコスト: Google Kubernetes Engine は、VM と Cloud TPU ノードをワークロードとトラフィックに基づいて自動的にスケーリングします。料金が発生するのは、Cloud TPU と VM でワークロードを実行したときだけです。
- 柔軟な使用法: ハードウェア アクセラレータ（CPU、GPU、または TPU）の変更は、ポッド仕様を 1 行変更するだけで済みます。
- スケーラビリティ: Google Kubernetes Engine が提供する API（ジョブおよびデプロイ）は、数百個のポッドや Cloud TPU ノードに容易にスケーリングできます。
- フォールト トレランス: Google Kubernetes Engine のジョブ API と TensorFlow チェックポイント メカニズムにより、Run-to-Completion セマンティクスが提供されます。VM インスタンスまたは Cloud TPU ノードで障害が発生した場合、チェックポイントの最新の状態からトレーニング ジョブが自動的に再実行されます。
ML Engine
- ML についてある程度の経験があり、AI Platform マネージド サービスと API を活用したい場合は、AI Platform の Cloud TPU から始めることをおすすめします。AI Platform では以下の ML ワークフロー ステージを管理します。
- データで ML モデルをトレーニングする。
- データでの ML モデルのトレーニング
- モデルの精度の評価
- ハイパーパラメータの調整
- トレーニング済みモデルをデプロイする。
- モデルに予測リクエストを送信する。
- オンライン予測
- バッチ予測
- 継続的に予測をモニタリングする。
- モデルとモデル バージョンを管理する。
- データで ML モデルをトレーニングする。
