Cette page a été traduite par l'API Cloud Translation.

Démarrage rapide

Présentation : Découvrez comment utiliser Cloud TPU pour entraîner MNIST, un ensemble de données canonique composé de chiffres manuscrits, souvent employé pour tester de nouvelles approches de machine learning.

Cet article est destiné aux nouveaux utilisateurs de Cloud TPU. Pour explorer Cloud TPU plus en détail, suivez l'un de nos colabs. Vous pouvez également consulter l'un des nombreux exemples de la section Tutoriels.

Pour obtenir des conseils détaillés sur cette tâche directement dans l'éditeur Cloud Shell, cliquez sur Visite guidée:

VISITE GUIDÉE

La procédure décrite dans les sections suivantes, est la même que si vous cliquez sur Visite guidée.

Avant de commencer

Avant de commencer ce tutoriel, vérifiez que votre projet Google Cloud est correctement configuré. Pour plus d'informations, consultez la page Configurer un compte et un projet Cloud TPU.

Ce tutoriel utilise les composants facturables suivants de Google Cloud :

Compute Engine
Cloud TPU
Cloud Storage

Obtenez une estimation des coûts en fonction de votre utilisation prévue à l'aide du simulateur de coût. Les nouveaux utilisateurs de Google Cloud peuvent bénéficier d'un essai gratuit.

Cette section fournit des informations sur la configuration de l'espace de stockage Cloud Storage et d'une VM Compute Engine.

Ouvrez une fenêtre Cloud Shell.

Ouvrir Cloud Shell
Créez une variable pour l'ID de votre projet.
```
export PROJECT_ID=project-id
```
Configurez l'outil de ligne de commande gcloud pour utiliser le projet dans lequel vous souhaitez créer Cloud TPU.
```
gcloud config set project $PROJECT_ID
```
La première fois que vous exécutez cette commande dans une nouvelle VM Cloud Shell, une page Authorize Cloud Shell s'affiche. Cliquez sur Authorize en bas de la page pour permettre à gcloud d'effectuer des appels d'API GCP avec vos identifiants.
Créez un bucket Cloud Storage à l'aide de la commande suivante :
Remarque : Dans la commande suivante, remplacez bucket-name par le nom que vous souhaitez attribuer à votre bucket.
```
gsutil mb -p ${PROJECT_ID} -c standard -l us-central1 -b on gs://bucket-name
```
Ce bucket Cloud Storage stocke les données que vous utilisez pour entraîner votre modèle, ainsi que les résultats de l'entraînement.
Lancez une VM Compute Engine et Cloud TPU à l'aide de la commande gcloud.
```
$ gcloud compute tpus execution-groups create \
 --name=mnist-tutorial \
 --zone=us-central1-b \
 --tf-version=2.4.1 \
 --machine-type=n1-standard-1 \
 --accelerator-type=v3-8
```
Description des options de commande

name

Nom du Cloud TPU à créer.

zone

Zone dans laquelle vous prévoyez de créer votre Cloud TPU.

tf-version

Version de Tensorflow que la commande gcloud installe sur votre VM.

machine-type

Type de machine de la VM Compute Engine à créer.

accelerator-type
Type du Cloud TPU à créer.

Pour en savoir plus sur la commande gcloud, consultez la documentation de référence de gcloud.
Une fois l'exécution de la commande gcloud compute tpus execution-groups terminée, vérifiez que l'invite de l'interface système est passée de username@projectname à username@vm-name. Cette modification indique que vous êtes maintenant connecté à votre VM Compute Engine.
Remarque : Si vous n'êtes pas connecté à l'instance Compute Engine, vous pouvez vous connecter en exécutant la commande suivante :
```
gcloud compute ssh mnist-tutorial --zone=us-central1-b
```
À mesure que vous appliquez ces instructions, exécutez chaque commande commençant par (vm)$ dans la fenêtre de session de la VM.

Exécuter le modèle de TPU MNIST

Le code source du modèle de TPU MNIST est disponible sur GitHub.

Configurer des variables d'environnement

Créez les variables suivantes. Remplacez bucket-name par le nom de votre bucket :

(vm)$ export STORAGE_BUCKET=gs://bucket-name

(vm)$ export TPU_NAME=mnist-tutorial
(vm)$ export MODEL_DIR=$STORAGE_BUCKET/mnist
(vm)$ export DATA_DIR=$STORAGE_BUCKET/data
(vm)$ export PYTHONPATH="$PYTHONPATH:/usr/share/models"

Entraîner le modèle sur Cloud TPU

Accédez au répertoire où le modèle est stocké :

(vm)$ cd /usr/share/models/official/vision/image_classification

Exécutez le script d'entraînement MNIST :

(vm)$ python3 mnist_main.py \
  --tpu=$TPU_NAME \
  --model_dir=$MODEL_DIR \
  --data_dir=$DATA_DIR \
  --train_epochs=10 \
  --distribution_strategy=tpu \
  --download

Le script d'entraînement s'exécute en moins de 5 minutes sur un Cloud TPU v3-8 et affiche un résultat semblable à celui-ci :

I1203 03:43:15.936553 140096948798912 mnist_main.py:165]
Run stats: {'loss': 0.11427700750786683, 'training_accuracy_top_1': 0.9657697677612305,
'accuracy_top_1': 0.9730902910232544, 'eval_loss': 0.08600160645114051}

Effectuer un nettoyage

Pour éviter que les ressources utilisées sur cette page soient facturées sur votre compte Google Cloud :

Déconnectez-vous de l'instance Compute Engine, si vous ne l'avez pas déjà fait :
```
(vm)$ exit
```
Votre invite devrait maintenant être username@projectname, indiquant que vous êtes dans Cloud Shell.

Supprimez vos ressources Cloud TPU et Compute Engine.

$ gcloud compute tpus execution-groups delete mnist-tutorial \
  --zone=us-central1-b

Vérifiez que les ressources ont été supprimées en exécutant la commande gcloud compute tpus execution-groups list. La suppression peut prendre plusieurs minutes. Une réponse semblable à la suivante indique que vos instances ont bien été supprimées.
```
$ gcloud compute tpus execution-groups list --zone=us-central1-b
```
```
NAME             STATUS
```
Supprimez votre bucket Cloud Storage à l'aide de gsutil, comme indiqué ci-dessous. Remplacez bucket-name par le nom de votre bucket Cloud Storage.
```
$ gsutil rm -r gs://bucket-name
```

Étape suivante

Ce guide de démarrage rapide vous a brièvement présenté le fonctionnement de Cloud TPU. À ce stade, vous disposez des bases pour :

En savoir plus sur Cloud TPU
Configurer Cloud TPU pour vos propres applications

En savoir plus

MNIST sur Keras	Essayez d'utiliser Cloud TPU en exécutant le modèle MNIST dans un environnement colab.
Présentation du produit	Passez en revue les principales caractéristiques et les avantages d Cloud TPU.
Cloud TPU (Tensor Processing Units)	Obtenez plus d'informations sur Cloud TPU, ses fonctionnalités et ses avantages.
Tarif	Consultez les informations tarifaires de Cloud TPU.

Configurer

Choisir un service TPU	Découvrez toutes les options permettant d'utiliser Cloud TPU, telles que Compute Engine, Google Kubernetes Engine, ou AI Platform.
Types et zones des TPU	Découvrez les types de TPU disponibles dans chaque zone.
Versions de TPU	Découvrez les différentes versions de TPU et découvrez comment sélectionner celle qui convient à votre application.