Introducción a Cloud TPU

Las unidades de procesamiento tensorial (TPU) son las especificaciones de Google circuitos integrados (ASIC) que se usan para acelerar las cargas de trabajo de aprendizaje automático. Para para obtener información más detallada sobre el hardware de TPU, consulta Arquitectura del sistema. Cloud TPU es un servicio web que pone las TPU a disposición como recursos de procesamiento escalable recursos en Google Cloud.

Las TPU entrenan los modelos de manera más eficiente con hardware diseñado para el rendimiento operaciones de matrices grandes que suelen encontrarse en algoritmos de aprendizaje automático. Las TPU tienen memoria de ancho de banda alto en chip (HBM), que te permite usar modelos más grandes tamaños. Las TPU se pueden conectar en grupos llamados Pods que escalan verticalmente tus cargas de trabajo. con pocos cambios en el código o ninguno.

¿Cómo funciona?

Para entender cómo funcionan las TPU, es útil entender cómo otros aceleradores abordar los desafíos computacionales del entrenamiento de modelos de AA.

Cómo funciona una CPU

Una CPU es un procesador de uso general basado en la arquitectura de von Neumann. Eso significa que una CPU funciona con software y memoria, de la siguiente manera:

Una ilustración de cómo funciona una CPU

El mayor beneficio de las CPU es su flexibilidad. Puedes cargar cualquier tipo de en una CPU para muchos tipos diferentes de aplicaciones. Por ejemplo, puedes usar una CPU para procesar texto en una PC, controlar motores de cohetes, ejecutar transacciones bancarias o la clasificación de imágenes con una red neuronal.

Una CPU carga valores de la memoria, realiza un cálculo de los valores y almacena el resultado en la memoria para cada cálculo. El acceso a la memoria es lento en comparación con la velocidad de cálculo y puede limitar la capacidad de procesamiento total de las CPU. Esto suele denominarse cuello de botella de von Neumann.

Cómo funciona una GPU

Para obtener una mayor capacidad de procesamiento, las GPU contienen miles de unidades lógicas aritméticas (ALU) en un solo procesador. Por lo general, una GPU moderna contiene entre 2,500 y 5,000 ALU. La gran cantidad de procesadores permite ejecutar miles de multiplicaciones. y adiciones al mismo tiempo.

Una ilustración de cómo funciona una GPU

Esta arquitectura de GPU funciona bien en aplicaciones con paralelismo masivo, como las operaciones de matrices en una red neuronal. De hecho, en una carga de trabajo de entrenamiento típica para el aprendizaje profundo, una GPU puede proporcionar un pedido de capacidad de procesamiento de magnitud mayor que una CPU.

Sin embargo, la GPU sigue siendo un procesador de uso general que debe admitir muchas diferentes aplicaciones y software. Por lo tanto, las GPU tienen el mismo problema que y CPU virtuales. Para cada cálculo en miles de ALU, una GPU debe acceder registros o memoria compartida para leer operandos y almacenar el intermedio los resultados del cálculo.

Cómo funciona una TPU

Google diseñó Cloud TPU como un procesador matricial especializado para cargas de trabajo de redes neuronales. Las TPU no pueden ejecutar procesadores de texto, controlar motores de cohetes ni ejecutar transacciones bancarias, pero pueden manejar operaciones matriciales masivas que se usan en redes a velocidades rápidas.

La tarea principal de las TPU es el procesamiento matricial, que es una combinación de operaciones de multiplicación y acumulación. Las TPU contienen miles de varios acumuladores que están directamente conectados entre sí para formar un gran matriz física. Esto se conoce como arquitectura de arreglo sistólico. Cloud TPU v3 contiene dos arrays sistólicos de ALU de 128 x 128, en un solo procesador

El host de TPU transmite datos a una cola de entrada. La TPU carga datos del y los almacena en la memoria HBM. Cuando se completa el cálculo, la TPU carga los resultados en la cola de salida. Luego, el host de TPU lee el los resultados de la cola de salida y los almacena en la memoria del host.

Para realizar las operaciones matriciales, la TPU carga los parámetros de la memoria HBM en la unidad de multiplicación de matrices (MXU).

Una ilustración de cómo carga parámetros desde la memoria una TPU

Luego, la TPU carga datos de la memoria HBM. A medida que se ejecuta cada multiplicación, el resultado se pasa al siguiente acumulador multiplicador. La salida es la la suma de todos los resultados de multiplicación entre los datos y los parámetros. No se requiere acceso a la memoria durante el proceso de multiplicación de matrices.

Una ilustración de cómo carga datos desde la memoria una TPU

Como resultado, las TPU pueden lograr una alta capacidad de procesamiento computacional en la red neuronal realizar cálculos.

Compilador XLA

El código que se ejecuta en TPU debe compilarse con el álgebra lineal del acelerador (XLA) compilador. XLA es un software compilador que toma el grafo emitido por una aplicación de framework de AA compila los componentes de álgebra lineal, pérdida y gradiente del grafo en y el código máquina de TPU. El resto del programa se ejecuta en la máquina anfitrión de TPU. XLA el compilador es parte de la imagen de VM de TPU que se ejecuta en una máquina anfitrión de TPU.

Cuándo conviene usar las TPU

Las Cloud TPU están optimizadas para ciertas cargas de trabajo en particular. En algunas situaciones, es posible usar GPU o CPU en instancias de Compute Engine para ejecutar de las cargas de trabajo de aprendizaje automático. En general, puedes decidir qué hardware es mejor para tu una carga de trabajo basada en los siguientes lineamientos:

CPU

  • Prototipado rápido que requiere máxima flexibilidad
  • Modelos simples que no tardan mucho en entrenarse
  • Modelos pequeños con tamaños de lotes pequeños y eficaces
  • Modelos que contienen muchas operaciones personalizadas de TensorFlow escritas en C++
  • Los modelos que están limitados por las E/S disponibles o el ancho de banda de red de la sistema host

GPU

  • Modelos con una cantidad significativa de operaciones personalizadas de TensorFlow/PyTorch/JAX que debe ejecutarse al menos parcialmente en CPU
  • Modelos con operaciones de TensorFlow que no están disponibles en Cloud TPU (consulta la lista de operaciones de TensorFlow disponibles)
  • Modelos medianos a grandes con tamaños de lotes efectivos más grandes

TPU

  • Modelos dominados por cálculos de matrices
  • Modelos sin operaciones personalizadas de TensorFlow/PyTorch/JAX dentro de la instancia principal bucle de entrenamiento
  • Modelos que se entrenan por semanas o meses
  • Modelos grandes con tamaños de lote efectivos grandes

Las Cloud TPU no son apropiadas para las siguientes cargas de trabajo:

  • Programas de álgebra lineal que requieren ramificaciones frecuentes o contienen muchas operaciones de álgebra en sentido de elementos
  • Cargas de trabajo que acceden a la memoria de manera dispersa
  • Cargas de trabajo que requieren aritmética de alta precisión
  • Cargas de trabajo de redes neuronales que contienen operaciones personalizadas en el entrenamiento principal bucle

Recomendaciones para el desarrollo del modelo

En cambio, es probable que un programa cuyos cálculos están dominados por operaciones no matriciales, como suma, cambio de forma o concatenación, no logre un uso alto de las MXU. Los siguientes son algunos lineamientos que te ayudarán a elegir y crear que son adecuados para Cloud TPU.

Diseño

El compilador de XLA realiza transformaciones de código, incluso dividir una multiplicación de matriz en bloques más pequeños a fin de ejecutar cálculos en la unidad matriz (MXU) de manera eficiente. La estructura del hardware de las MXU, una pantalla sistólica de 128 × 128 array y el diseño de las TPU de memoria, que prefiere dimensiones que sean múltiplos de 8, el compilador XLA para la eficiencia de la división. En consecuencia, algunos diseños son más propicios para la división, mientras que otros requieren que se realicen cambios de forma antes de que puedan dividirse. Las operaciones de cambio de forma suelen depender de la memoria en Cloud TPU.

Formas

El compilador de XLA compila un grafo de AA justo a tiempo para el primer lote. Si corresponde lotes siguientes tienen diferentes formas, el modelo no funciona. (Se vuelve a compilar el gráfico cada vez que la forma cambia es demasiado lenta). Por lo tanto, cualquier modelo tiene tensores con formas dinámicas no se adapta bien a las TPU.

Relleno

Un programa de Cloud TPU de alto rendimiento es aquel en el que el procesamiento denso se puede dividir en mosaicos en fragmentos de 128 x 128. Cuando un cálculo de matriz no puede ocupar una MXU entera, el compilador rellena los tensores con ceros. El relleno presenta dos desventajas:

  • Los tensores rellenos con ceros no usan el núcleo TPU lo suficiente.
  • El relleno aumenta el tamaño del almacenamiento en la memoria del chip que necesita un tensor y puede llevar a un error de falta de memoria en casos extremos.

Aunque el compilador de XLA ejecuta operaciones de relleno automáticamente cuando es necesario, se puede determinar la cantidad de operaciones de relleno que se realizan mediante la herramienta op_profile. Puedes evitar el relleno si eliges dimensiones de tensor que se ajusten bien a las TPU.

Dimensiones

La elección de dimensiones de tensor adecuadas contribuye de manera considerable a extraer el máximo rendimiento del hardware de TPU, en particular las MXU. El compilador XLA intenta usar el tamaño del lote o una dimensión del atributo para maximizar usar la MXU. Por lo tanto, uno de estos debe ser un múltiplo de 128. Si no es así, el compilador rellenará uno de estos hasta que llegue a 128. Idealmente, tanto el tamaño del lote como la dimensión de los atributos deberían ser múltiplos de 8, lo que posibilita lograr un alto rendimiento en el subsistema de la memoria.

Integración de los Controles del servicio de VPC

Los Controles del servicio de VPC de Cloud TPU permiten definir perímetros de seguridad tus recursos de Cloud TPU y controlar el movimiento de datos en todo el perímetro límite. Para obtener más información sobre los Controles del servicio de VPC, consulta la Descripción general de los Controles del servicio de VPC. Para conocer las limitaciones en el uso de Cloud TPU con los controles del servicio de VPC, consulta la página sobre los productos admitidos y las limitaciones.

Edge TPU

Los modelos de aprendizaje automático entrenados en la nube necesitan cada vez más ejecutar inferencias “en el perímetro”, es decir, en dispositivos que operan en el perímetro de la Internet de las cosas (IoT). Estos dispositivos incluyen sensores y otros dispositivos inteligentes que recopilan datos en tiempo real, toman decisiones inteligentes y, luego, toman medidas o comunican su información a otros dispositivos o a la nube.

Debido a que estos dispositivos deben funcionar con energía limitada (incluida la batería), Google diseñó el coprocesador Edge TPU para acelerar la inferencia del AA en dispositivos de bajo consumo. Una Edge TPU individual puede realizar 4 billones de operaciones por segundo (4 TOPS) con solo 2 vatios de potencia. En otras palabras, obtienes 2 TOPS por vatio. Por ejemplo, la Edge TPU puede ejecutar modelos de visión móvil de vanguardia, como MobileNet V2, a casi 400 fotogramas por segundo y de manera eficiente.

Este acelerador de AA de baja potencia potencia Cloud TPU y de Cloud IoT a proporcionan una infraestructura de extremo a extremo (de hardware y software, de la nube al perímetro) que facilita tus soluciones basadas en IA.

Edge TPU está disponible para tus propios dispositivos de producción y prototipos en varios factores de forma, incluidas una computadora de una sola placa, un módulo en un módulo, una tarjeta PCIe/M.2 y un módulo activado en la superficie. Para obtener más información sobre Edge TPU y todos los productos disponibles, visita coral.ai.

Comienza a usar Cloud TPU

Cómo solicitar ayuda

Comunícate con la asistencia de Cloud TPU. Si tienes un proyecto activo de Google Cloud, prepárate para proporcionar la siguiente información:

  • El ID del proyecto de Google Cloud
  • El nombre de tu TPU, si existe
  • Otra información que deseas proporcionar

Próximos pasos

¿Deseas aprender más sobre Cloud TPU? Los siguientes recursos pueden ayudarte: