Esegui applicazioni Cloud TPU su GKE

Questa guida spiega come:

Per ulteriori informazioni sulle architetture delle VM TPU, consulta Architettura del 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 nei container GKE all'interno dei pod GKE. Quando lo saranno, vedrai i seguenti vantaggi:

  • Configurazione e gestione dei flussi di lavoro migliorate: GKE gestisce il ciclo di vita delle TPU. Dopo l'inizializzazione e l'addestramento di Cloud TPU configurati con GKE, i carichi di lavoro possono essere ripetuti gestite da GKE, incluso il ripristino da errori del 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 di un pod.

  • Utilizzo flessibile: si tratta di una piccola modifica alle specifiche del pod per richiedere un acceleratore hardware diverso (CPU, GPU o TPU):

    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 le API (Job e Deployment) che possono scalare fino a centinaia di di pod GKE e nodi TPU.

  • Tolleranza di errore: l'API Job di GKE, insieme al meccanismo di checkpoint di TensorFlow, forniscono la semantica di esecuzione fino al completamento. I job di addestramento verranno eseguiti di nuovo automaticamente con lo stato più recente letto dal checkpoint se si verificano errori nelle istanze VM o nei nodi Cloud TPU.

Requisiti e limitazioni della 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 cluster GKE e i pool di nodi in una zona in cui è disponibile Cloud TPU. Devi anche creare i bucket Cloud Storage per contenere i dati di addestramento e i modelli nella stessa regione del tuo cluster GKE. Consulta il documento Tipi e zone per un elenco delle zone disponibili.
  • Devi utilizzare indirizzi IP conformi a RFC 1918 per i tuoi cluster GKE. Per maggiori informazioni per ulteriori informazioni, consulta GKE Networking.
  • Ogni container può richiedere al massimo una Cloud TPU, ma più i container in un pod possono richiedere una Cloud TPU ciascuno.

Prima di iniziare

  1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.
  2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

  3. Make sure that billing is enabled for your Google Cloud project.

  4. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

  5. Make sure that billing is enabled for your Google Cloud project.

  6. Quando utilizzi Cloud TPU con GKE, il tuo progetto impiega i componenti fatturabili di Google Cloud. Consulta i prezzi di Cloud TPU e i prezzi di GKE per stimare i costi e segui le istruzioni per ripulire le risorse al termine dell'utilizzo.

  7. Abilita le seguenti API nella console Google Cloud:

Creare un nuovo cluster con il supporto di Cloud TPU

Segui queste istruzioni per configurare l'ambiente e creare Cluster GKE con supporto per Cloud TPU, utilizzando gcloud CLI:

  1. Installa i componenti gcloud, che ti servono esegui GKE con Cloud TPU:

    $ gcloud components install kubectl 
  2. 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 su Authorize in fondo alla pagina per consentire a gcloud di effettuare chiamate API Google Cloud con le tue credenziali.

  3. Configura gcloud con la zona in cui prevedi di utilizzare una risorsa Cloud TPU. Questo esempio utilizza us-central1-b, ma puoi utilizzare una TPU in qualsiasi zona supportata.

    $ gcloud config set compute/zone us-central1-b
  4. Utilizza la gcloud container clusters create per creare un cluster su GKE con supporto per con 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
    Canali di rilascio consente di gestire gli upgrade automatici per i cluster. Quando creare un nuovo cluster, puoi scegliere il canale di rilascio. Il tuo cluster verrà eseguito l'upgrade solo alle versioni offerte in quel canale.
    ambiti
    Assicurati che tutti i nodi del cluster abbiano accesso al tuo bucket Cloud Storage. Il cluster e il bucket di archiviazione devono nello stesso progetto per far funzionare questa funzionalità. Tieni presente che i pod Kubernetes ereditano per impostazione predefinita gli ambiti dei nodi su cui vengono dipartiti. Di conseguenza, scopes=cloud-platform fornisce a tutti i pod Kubernetes in esecuzione nel cluster nell'ambito cloud-platform. Se vuoi limitare l'accesso in base al pod, consulta la guida GKE sull'autenticazione con gli account di servizio.
    enable-ip-alias
    Indica che il cluster utilizza intervalli di indirizzi 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 sotto forma di IP/20, ad esempio 10.100.0.0/20. Se non specifichi questo flag, viene allocato e assegnato automaticamente un intervallo CIDR di dimensioni /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 nella specifica del pod Kubernetes

Nella specifica del pod Kubernetes:

  • Devi creare i modelli nei container utilizzando la stessa versione di TensorFlow. Consulta le versioni supportate.

  • Specifica la risorsa Cloud TPU nella sezione limits sotto la resource nella specifica del container.

    Tieni presente che l'unità della risorsa Cloud TPU è il numero di core Cloud TPU. La seguente tabella elenca degli 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, quota di richieste poiché la quota predefinita Il pod di Cloud TPU è 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/preemptible-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/preemptible-v3: 8 Un dispositivo Cloud TPU v3 prerilasciabile (8 core)
    cloud-tpus.google.com/v2: 32 Un pod Cloud TPU v2-32 (32 core)
    cloud-tpus.google.com/v3: 32 Un pod Cloud TPU v3-32 (32 core)

    Per ulteriori informazioni su come specificare risorse e limiti nella specifica del pod, consulta la documentazione di Kubernetes.

La seguente specifica del pod di esempio richiede una TPU Cloud TPU prerilasciabile v2-8 con TensorFlow 2.12.1.

La durata dei nodi Cloud TPU è legata ai pod Kubernetes che li richiedono. La Cloud TPU viene creata su richiesta quando il pod Kubernetes viene pianificato e riciclata 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 installare kubectl

  1. Con un editor di testo, crea una specifica del pod, example-job.yaml, quindi copia e incolla nella specifica del pod mostrata in precedenza.

  2. Esegui il job:

    $ kubectl create -f example-job.yaml
    pod "gke-tpu-pod" created

    Questo comando crea il job che pianifica automaticamente il pod.

  3. verifica che il pod GKE sia stato pianificato e che Cloud TPU è stato eseguito il provisioning dei nodi. Un pod GKE che richiede i nodi Cloud TPU può essere in attesa per 5 minuti prima di essere eseguito. 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 dovrebbe essere simile al seguente:

    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 utilizzare Ctrl-C per uscire dal comando "kubectl get".

    Puoi stampare le informazioni dei log e recuperare informazioni più dettagliate su ciascun pod GKE utilizzando i seguenti comandi kubectl. Ad esempio, per visualizzare l'output del log per il pod GKE, utilizza:

    $ 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 visualizzare una descrizione completa del pod GKE, utilizza:

    $ kubectl describe pod gke-tpu-pod

    Per ulteriori dettagli, consulta la sezione Introspezione e debug delle applicazioni.

Crea e containerizza il tuo modello nell'immagine Docker

Per informazioni dettagliate su questa procedura, consulta la sezione Creare e creare un contenitore per il tuo modello.

Abilita il supporto di Cloud TPU su un cluster esistente

Per abilitare il supporto di Cloud TPU in un cluster GKE esistente, svolgi i seguenti passaggi in Google Cloud CLI:

  1. Attiva il supporto di Cloud TPU:

    gcloud beta container clusters update cluster-name --enable-tpu
    

    Sostituisci cluster-name con il nome del cluster.

  2. 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 la dimensione di /20 per le TPU di cui il cluster ha eseguito il provisioning. Puoi specificare un intervallo CIDR personalizzato per Cloud TPU eseguendo il seguente 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 utilizzando un VPC condiviso per verificare che per il VPC condiviso.

Disabilitazione di Cloud TPU in un cluster

Per disabilitare il supporto di Cloud TPU in un cluster GKE esistente, svolgi i seguenti passaggi in Google Cloud CLI:

  1. Verifica che nessuno dei tuoi carichi di lavoro utilizzi Cloud TPU:

    $ kubectl get tpu
  2. 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 cluster.

    Questa operazione richiede circa 5 minuti per i cluster di zona, mentre per i cluster a livello di regione questa operazione richiede circa 15 minuti, a seconda della configurazione regione.

  3. Una volta che le operazioni sono state completate senza errori, puoi verificare che le TPU messe a disposizione 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, eseguire la pulizia delle risorse per evitare addebiti aggiuntivi sul tuo fatturazione Cloud .

  1. Esegui questo comando per eliminare il cluster GKE: sostituendo cluster-name con il nome del tuo cluster e project-name con il tuo Nome progetto Google Cloud:

    $ gcloud container clusters delete cluster-name \
    --project=project-name --zone=us-central1-b
  2. Quando hai finito di esaminare i dati, utilizza gcloud CLI per eliminare il bucket Cloud Storage che hai creato. Sostituisci bucket-name con il nome del tuo bucket Cloud Storage:

    $ gcloud storage rm gs://bucket-name --recursive