Esegui applicazioni Cloud TPU su GKE
Questa guida spiega come:
- Imposta una configurazione di Cloud TPU in preparazione per eseguirla in Google Kubernetes Engine
- Crea un cluster GKE con il supporto di Cloud TPU.
- Utilizza TensorBoard per visualizzare le metriche di Cloud TPU e analizzare le prestazioni
- Crea e containerizza il tuo modello in Docker
Per ulteriori informazioni sulle architetture delle VM TPU, consulta Architettura di sistema. Questa guida può essere utilizzata solo con l'architettura dei nodi TPU.
Vantaggi dell'esecuzione di applicazioni Cloud TPU su GKE
Le applicazioni di addestramento Cloud TPU possono essere configurate per l'esecuzione in container GKE all'interno dei pod GKE. Quando lo saranno, vedrai i seguenti vantaggi:
Configurazione e gestione del flusso di lavoro migliorate: GKE gestisce il ciclo di vita delle TPU. Dopo aver configurato l'inizializzazione e l'addestramento di Cloud TPU con GKE, i carichi di lavoro possono essere ripetuti e gestiti da GKE, incluso il ripristino da errori dei job.
Costo ottimizzato: paghi per la TPU solo quando il job è attivo. GKE crea ed elimina automaticamente le TPU in base ai requisiti delle risorse del pod.
Utilizzo flessibile: la richiesta di un acceleratore hardware diverso (CPU, GPU o TPU) è una piccola modifica alle specifiche del pod:
kind: Pod metadata: name: example-tpu annotations: # The Cloud TPUs that will be created for this Job will support # TensorFlow 2.12.1. This version MUST match the # TensorFlow version that your model is built on. tf-version.cloud-tpus.google.com: "2.12.1" spec: containers: - name: example-container resources: limits: cloud-tpus.google.com/v2: 8 # See the line above for TPU, or below for CPU / GPU. # cpu: 2 # nvidia.com/gpu: 1
Scalabilità: GKE fornisce API (job e deployment) in grado di scalare fino a centinaia di pod e nodi TPU GKE.
Tolleranza di errore: l'API Job di GKE, insieme al meccanismo di checkpoint TensorFlow, fornisce la semantica del completamento dell'esecuzione. I job di addestramento verranno automaticamente eseguiti nuovamente con l'ultimo stato letto dal checkpoint se si verificano errori sulle istanze VM o sui nodi Cloud TPU.
Requisiti e limitazioni di configurazione di Cloud TPU e GKE
Tieni presente quanto segue quando definisci la configurazione GKE:
- Cloud TPU non è supportato nei pool di nodi Windows Server.
- Devi creare il tuo cluster GKE e i pool di nodi in una zona in cui è disponibile Cloud TPU. Devi inoltre creare i bucket Cloud Storage per conservare i dati e i modelli di addestramento nella stessa regione del cluster GKE. Consulta il documento su tipi e zone per un elenco delle zone disponibili.
- Devi utilizzare indirizzi IP conformi alla specifica RFC 1918 per i cluster GKE. Per ulteriori informazioni, consulta Networking di GKE.
- Ogni container può richiedere al massimo una Cloud TPU, ma più container in un pod possono richiedere una Cloud TPU ciascuno.
Prima di iniziare
- Accedi al tuo account Google Cloud. Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.
-
In the Google Cloud console, on the project selector page, select or create a Google Cloud project.
-
Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.
-
Abilita le seguenti API nella console Google Cloud:
Quando utilizzi Cloud TPU con GKE, il tuo progetto utilizza componenti fatturabili di Google Cloud. Controlla i prezzi di Cloud TPU e i prezzi di GKE per stimare i tuoi costi e segui le istruzioni per ripulire le risorse quando hai finito.
Crea un nuovo cluster con il supporto di Cloud TPU
Utilizza le istruzioni seguenti per configurare il tuo ambiente e creare un cluster GKE con il supporto di Cloud TPU, utilizzando gcloud CLI:
Installa i componenti
gcloud
necessari per eseguire GKE con Cloud TPU:$ gcloud components install kubectl
Configura
gcloud
con il tuo ID progetto Google Cloud:$ gcloud config set project project-name
Sostituisci
project-name
con il nome del tuo progetto Google Cloud.La prima volta che esegui questo comando in una nuova VM Cloud Shell, viene visualizzata una pagina
Authorize Cloud Shell
. Fai clic suAuthorize
in fondo alla pagina per consentire agcloud
di effettuare chiamate API Google Cloud con le tue credenziali.Configura
gcloud
con la zona in cui prevedi di utilizzare una risorsa Cloud TPU. Questo esempio utilizzaus-central1-b
, ma puoi utilizzare una TPU in qualsiasi zona supportata.$ gcloud config set compute/zone us-central1-b
Utilizza il comando
gcloud container clusters create
per creare un cluster su GKE che supporti Cloud TPU.$ gcloud container clusters create cluster-name \ --release-channel=stable \ --scopes=cloud-platform \ --enable-ip-alias \ --enable-tpu
Descrizioni flag di comando
- canale di rilascio
- I canali di rilascio consentono di gestire gli upgrade automatici per i cluster. Quando crei un nuovo cluster, puoi scegliere il canale di rilascio. Verrà eseguito l'upgrade del cluster solo alle versioni offerte in quel canale.
- ambiti
- Garantisce che tutti i nodi nel cluster abbiano accesso al bucket Cloud Storage. Affinché questa operazione funzioni, il cluster e il bucket di archiviazione devono trovarsi nello stesso progetto. Tieni presente che i pod Kubernetes ereditano per impostazione predefinita gli ambiti dei nodi in cui viene eseguito il deployment.
Di conseguenza,
scopes=cloud-platform
assegna a tutti i pod Kubernetes in esecuzione nel cluster l'ambitocloud-platform
. Se vuoi limitare l'accesso in base ai singoli pod, consulta la guida di GKE per l'autenticazione con gli account di servizio. - enable-ip-alias
- Indica che il cluster utilizza intervalli IP alias. Questa operazione è necessaria per l'utilizzo di Cloud TPU su GKE.
- enable-tpu
- Indica che il cluster deve supportare Cloud TPU.
- tpu-ipv4-cidr (facoltativo, non specificato sopra)
- Indica l'intervallo CIDR da utilizzare per Cloud TPU. Specifica
IP_RANGE
nel formatoIP/20
, ad esempio10.100.0.0/20
. Se non specifichi questo flag, viene allocato e assegnato automaticamente un intervallo CIDR con dimensioni pari a/20
.
Una volta creato il cluster, dovresti visualizzare un messaggio simile al seguente:
NAME LOCATION MASTER_VERSION MASTER_IP MACHINE_TYPE NODE_VERSION NUM_NODES STATUS cluster-name us-central1-b 1.16.15-gke.4901 34.71.245.25 n1-standard-1 1.16.15-gke.4901 3 RUNNING
Richiedi una Cloud TPU nelle specifiche del tuo pod Kubernetes
Nella specifica del pod Kubernetes:
Devi creare i modelli nei container utilizzando la stessa versione di TensorFlow. Vedi le versioni supportate.
Specifica la risorsa Cloud TPU nella sezione
limits
sotto il camporesource
nella specifica del container.Tieni presente che l'unità della risorsa Cloud TPU è il numero di core Cloud TPU. La seguente tabella elenca esempi di richieste di risorse valide. Consulta Tipi e zone TPU per un elenco completo delle risorse TPU valide.
Se la risorsa che deve essere utilizzata è un pod di Cloud TPU, richiedi la quota poiché la quota predefinita per il pod di Cloud TPU è pari a zero.
Richiesta di risorse Tipo di Cloud TPU cloud-tpus.google.com/v2: 8 Un dispositivo Cloud TPU v2 (8 core) cloud-tpus.google.com/previous-v2: 8 Un dispositivo Cloud TPU v2 prerilasciabile (8 core) cloud-tpus.google.com/v3: 8 Un dispositivo Cloud TPU v3 (8 core) cloud-tpus.google.com/predict-v3: 8 Un dispositivo Cloud TPU v3 prerilasciabile (8 core) cloud-tpus.google.com/v2: 32 Un pod di Cloud TPU v2-32 (32 core) cloud-tpus.google.com/v3: 32 Un pod di Cloud TPU v3-32 (32 core) Per ulteriori informazioni su come specificare risorse e limiti nelle specifiche dei pod, consulta la documentazione di Kubernetes.
La seguente specifica del pod di esempio richiede una TPU Cloud TPU v2-8 prerilasciabile con TensorFlow 2.12.1.
La durata dei nodi Cloud TPU è associata ai pod Kubernetes che li richiedono. Cloud TPU viene creato on demand quando il pod Kubernetes viene pianificato, e riciclato quando il pod Kubernetes viene eliminato.
apiVersion: v1
kind: Pod
metadata:
name: gke-tpu-pod
annotations:
# The Cloud TPUs that will be created for this Job will support
# TensorFlow 2.12.1. This version MUST match the
# TensorFlow version that your model is built on.
tf-version.cloud-tpus.google.com: "2.12.1"
spec:
restartPolicy: Never
containers:
- name: gke-tpu-container
# The official TensorFlow 2.12.1 image.
# https://hub.docker.com/r/tensorflow/tensorflow
image: tensorflow/tensorflow:2.12.1
command:
- python
- -c
- |
import tensorflow as tf
print("Tensorflow version " + tf.__version__)
tpu = tf.distribute.cluster_resolver.TPUClusterResolver('$(KUBE_GOOGLE_CLOUD_TPU_ENDPOINTS)')
print('Running on TPU ', tpu.cluster_spec().as_dict()['worker'])
tf.config.experimental_connect_to_cluster(tpu)
tf.tpu.experimental.initialize_tpu_system(tpu)
strategy = tf.distribute.TPUStrategy(tpu)
@tf.function
def add_fn(x,y):
z = x + y
return z
x = tf.constant(1.)
y = tf.constant(1.)
z = strategy.run(add_fn, args=(x,y))
print(z)
resources:
limits:
# Request a single Preemptible v2-8 Cloud TPU device to train the model.
cloud-tpus.google.com/preemptible-v2: 8
Creazione del job
Segui questi passaggi per creare il job nel cluster GKE e per installare kubectl
Con un editor di testo, crea la specifica del pod
example-job.yaml
, quindi copia e incolla la specifica del pod mostrata in precedenza.Esegui il job:
$ kubectl create -f example-job.yaml
pod "gke-tpu-pod" created
Questo comando crea il job che pianifica automaticamente il pod.
Verifica che il pod GKE sia stato pianificato e che sia stato eseguito il provisioning dei nodi Cloud TPU. Un pod GKE che richiede nodi Cloud TPU può rimanere in attesa per 5 minuti prima dell'esecuzione. Vedrai un output simile al seguente finché il pod GKE non viene pianificato.
$ kubectl get pods -w NAME READY STATUS RESTARTS AGE gke-tpu-pod 0/1 Pending 0 1m
Dopo circa 5 minuti, il risultato sarà simile a questo:
NAME READY STATUS RESTARTS AGE gke-tpu-pod 0/1 Pending 0 21s gke-tpu-pod 0/1 Pending 0 2m18s gke-tpu-pod 0/1 Pending 0 2m18s gke-tpu-pod 0/1 ContainerCreating 0 2m18s gke-tpu-pod 1/1 Running 0 2m48s gke-tpu-pod 0/1 Completed 0 3m8s
Devi usare Ctrl-C per uscire dal comando "kubectl get".
Puoi stampare informazioni di log e recuperare informazioni più dettagliate su ciascun pod GKE utilizzando i seguenti comandi
kubectl
. Ad esempio, per vedere l'output di log per il tuo pod GKE, usa:$ kubectl logs gke-tpu-pod
Dovresti vedere un output simile al seguente:
2021-09-24 18:55:25.400699: I tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations: AVX2 FMA To enable them in other operations, rebuild TensorFlow with the appropriate compiler flags. 2021-09-24 18:55:25.405947: I tensorflow/core/distributed_runtime/rpc/grpc_channel.cc:272] Initialize GrpcChannelCache for job worker -> {0 -> 10.0.16.2:8470} 2021-09-24 18:55:25.406058: I tensorflow/core/distributed_runtime/rpc/grpc_channel.cc:272] Initialize GrpcChannelCache for job localhost -> {0 -> localhost:32769} 2021-09-24 18:55:28.091729: I tensorflow/core/distributed_runtime/rpc/grpc_channel.cc:272] Initialize GrpcChannelCache for job worker -> {0 -> 10.0.16.2:8470} 2021-09-24 18:55:28.091896: I tensorflow/core/distributed_runtime/rpc/grpc_channel.cc:272] Initialize GrpcChannelCache for job localhost -> {0 -> localhost:32769} 2021-09-24 18:55:28.092579: I tensorflow/core/distributed_runtime/rpc/grpc_server_lib.cc:427] Started server with target: grpc://localhost:32769 Tensorflow version 2.12.1 Running on TPU ['10.0.16.2:8470'] PerReplica:{ 0: tf.Tensor(2.0, shape=(), dtype=float32), 1: tf.Tensor(2.0, shape=(), dtype=float32), 2: tf.Tensor(2.0, shape=(), dtype=float32), 3: tf.Tensor(2.0, shape=(), dtype=float32), 4: tf.Tensor(2.0, shape=(), dtype=float32), 5: tf.Tensor(2.0, shape=(), dtype=float32), 6: tf.Tensor(2.0, shape=(), dtype=float32), 7: tf.Tensor(2.0, shape=(), dtype=float32) }
Per vedere una descrizione completa del pod GKE, utilizza:
$ kubectl describe pod gke-tpu-pod
Per ulteriori dettagli, consulta Introspezione e debug delle applicazioni.
Crea e containerizza il tuo modello nell'immagine Docker
Per maggiori dettagli su questo processo, fai riferimento a Creare e containerizzare il tuo modello.
Abilita il supporto di Cloud TPU su un cluster esistente
Per abilitare il supporto di Cloud TPU su un cluster GKE esistente, esegui questi passaggi in Google Cloud CLI:
Abilita il supporto di Cloud TPU:
gcloud beta container clusters update cluster-name --enable-tpu
Sostituisci cluster-name con il nome del tuo cluster.
Aggiorna la voce kubeconfig:
gcloud container clusters get-credentials cluster-name
Impostazione di un intervallo CIDR personalizzato
Per impostazione predefinita, GKE alloca un blocco CIDR con dimensioni pari a /20
per le TPU di cui è stato eseguito il provisioning dal cluster. Puoi specificare un intervallo CIDR personalizzato
per Cloud TPU eseguendo questo comando:
gcloud beta container clusters update cluster-name \ --enable-tpu \ --tpu-ipv4-cidr 10.100.0.0/20
Sostituisci quanto segue:
- cluster-name: il nome del cluster esistente.
- 10.100.0.0/20: il tuo intervallo CIDR personalizzato.
Utilizzo di intervalli CIDR esistenti con VPC condiviso
Segui la guida sulle TPU nei cluster GKE che utilizzano un VPC condiviso per verificare la configurazione corretta per il tuo VPC condiviso.
Disabilitazione di Cloud TPU in un cluster
Per disabilitare il supporto di Cloud TPU su un cluster GKE esistente, esegui questi passaggi in Google Cloud CLI:
Verifica che nessuno dei tuoi carichi di lavoro utilizzi Cloud TPU:
$ kubectl get tpu
Disabilita il supporto di Cloud TPU nel tuo cluster:
$ gcloud beta container clusters update cluster-name --no-enable-tpu
Sostituisci cluster-name con il nome del tuo cluster.
Questa operazione richiede circa 5 minuti per i cluster di zona e circa 15 minuti per i cluster a livello di regione, a seconda della regione del cluster.
Quando le operazioni sono state completate senza errori, puoi verificare che le TPU di cui è stato eseguito il provisioning dal cluster siano state rimosse:
$ gcloud compute tpus list
I nomi delle TPU create da Cloud TPU hanno il seguente formato:
$ gke-cluster-name-cluster-id-tpu-tpu-id
Sostituisci quanto segue:
- cluster-name: il nome del cluster esistente.
- cluster-id: l'ID del cluster esistente.
- tpu-id: l'ID della Cloud TPU.
Se vengono visualizzate TPU, puoi eliminarle manualmente eseguendo:
$ gcloud compute tpus delete gke-cluster-name-cluster-id-tpu-tpu-id
Esegui la pulizia
Quando hai finito di utilizzare Cloud TPU su GKE, pulisci le risorse per evitare che al tuo account di fatturazione Cloud vengano addebitati costi aggiuntivi.
Esegui questo comando per eliminare il cluster GKE, sostituendo
cluster-name
con il nome del cluster eproject-name
con il nome del tuo progetto Google Cloud:$ gcloud container clusters delete cluster-name \ --project=project-name --zone=us-central1-b
Quando hai finito di esaminare i dati, usa il comando
gsutil
per eliminare il bucket Cloud Storage che hai creato. Sostituiscibucket-name
con il nome del tuo bucket Cloud Storage:$ gsutil rm -r gs://bucket-name