Mit PyTorch eine Berechnung auf einer Cloud TPU-VM ausführen

In dieser Kurzanleitung wird gezeigt, wie Sie eine Cloud TPU erstellen, PyTorch installieren und eine einfache Berechnung auf einer Cloud TPU ausführen. Ein ausführlicheres Tutorial, in dem Sie wie Sie ein Modell auf einer Cloud TPU trainieren, Anleitungen zu Cloud TPU PyTorch

Hinweise

Bevor Sie dieser Kurzanleitung folgen, müssen Sie eine Google Cloud Platform erstellen die Google Cloud CLI. und konfigurieren Sie den Befehl gcloud. Weitere Informationen finden Sie unter Richten Sie ein Konto und ein Cloud TPU-Projekt ein.

Cloud TPU mit gcloud erstellen

So erstellen Sie eine TPU-VM im Standardnutzerprojekt, im Netzwerk und in der Standardzone ausführen:

$ gcloud compute tpus tpu-vm create tpu-name \
   --zone=us-central2-b \
   --accelerator-type=v4-8 \
   --version=tpu-ubuntu2204-base

Beschreibung der Befehls-Flags

zone
Die Zone in dem Sie Ihre Cloud TPU erstellen möchten.
accelerator-type
Der Beschleunigertyp gibt die Version und Größe der Cloud TPU an, die Sie erstellen möchten. Weitere Informationen zu unterstützten Beschleunigertypen für jede TPU-Version finden Sie unter TPU-Versionen.
version
Die Cloud TPU-Software

Beim Erstellen der TPU können Sie die zusätzlichen --network- und --subnetwork wird gemeldet, wenn Standardnetzwerk und Subnetzwerk festlegen. Wenn Sie das Standardnetzwerk nicht verwenden möchten, müssen Sie den Flag --network. Das Flag --subnetwork ist optional und kann für Folgendes verwendet werden: ein Standard-Subnetzwerk für das Netzwerk angeben, das Sie verwenden (Standard- vom Nutzer angegeben). Siehe gcloud API-Referenzseite mit Details zu diesen Flags.

Verbindung zur Cloud TPU-VM herstellen

   $ gcloud compute tpus tpu-vm ssh tpu-name --zone=us-central2-b

PyTorch/XLA auf der TPU-VM installieren

   (vm)$ pip install torch~=2.3.0 torch_xla[tpu]~=2.3.0 torchvision -f https://storage.googleapis.com/libtpu-releases/index.html

TPU-Laufzeitkonfiguration festlegen

Achten Sie darauf, dass die PyTorch/XLA-Laufzeit die TPU verwendet.

   (vm) $ export PJRT_DEVICE=TPU

Führen Sie eine einfache Berechnung durch:

  1. Erstellen Sie im aktuellen Verzeichnis eine Datei mit dem Namen tpu-test.py, kopieren Sie das folgende Skript und fügen Sie es in diese Datei ein.

    import torch
import torch_xla.core.xla_model as xm

dev = xm.xla_device()
t1 = torch.randn(3,3,device=dev)
t2 = torch.randn(3,3,device=dev)
print(t1 + t2)

  2. Führen Sie das Skript aus:

      (vm)$ python3 tpu-test.py

    Die Ausgabe des Skripts zeigt das Ergebnis der Berechnung:

    tensor([[-0.2121,  1.5589, -0.6951],
        [-0.7886, -0.2022,  0.9242],
        [ 0.8555, -1.8698,  1.4333]], device='xla:1')

Bereinigen

Mit den folgenden Schritten vermeiden Sie, dass Ihrem Google Cloud-Konto die in dieser Anleitung verwendeten Ressourcen in Rechnung gestellt werden:

  1. Trennen Sie die Verbindung zur Compute Engine-Instanz, sofern noch nicht geschehen:

    (vm)$ exit

    Die Eingabeaufforderung sollte nun username@projectname lauten und angeben, dass Sie sich in Cloud Shell befinden.

  2. Löschen Sie Ihre Cloud TPU.

    $ gcloud compute tpus tpu-vm delete tpu-name \
  --zone=us-central2-b

Die Ausgabe dieses Befehls sollte ergeben, dass Ihre TPU gelöscht wurde.

Nächste Schritte

Weitere Informationen zu Cloud TPU-VMs: