Cloud TPU-Anwendungen in einem Docker-Container ausführen
Docker-Container erleichtern die Konfiguration von Anwendungen, da Code und alle erforderlichen Abhängigkeiten in einem distribuierbaren Paket kombiniert werden. Sie können Docker-Container in TPU-VMs ausführen, um die Konfiguration und Freigabe Ihrer Cloud TPU-Anwendungen zu vereinfachen. In diesem Dokument wird beschrieben, wie Sie einen Docker-Container für jedes von Cloud TPU unterstützte ML-Framework einrichten.
TensorFlow-Modell in einem Docker-Container trainieren
TPU-Gerät
Erstellen Sie im aktuellen Verzeichnis eine Datei mit dem Namen
Dockerfile
und fügen Sie den folgenden Text ein:FROM python:3.8 RUN pip install https://storage.googleapis.com/cloud-tpu-tpuvm-artifacts/tensorflow/tf-2.12.0/tensorflow-2.12.0-cp38-cp38-linux_x86_64.whl RUN curl -L https://storage.googleapis.com/cloud-tpu-tpuvm-artifacts/libtpu/1.6.0/libtpu.so -o /lib/libtpu.so RUN git clone https://github.com/tensorflow/models.git WORKDIR ./models RUN pip install -r official/requirements.txt ENV PYTHONPATH=/models
Cloud Storage-Bucket erstellen
gcloud storage buckets create gs://your-bucket-name --location=europe-west4
TPU-VM erstellen
gcloud compute tpus tpu-vm create your-tpu-name \ --zone=europe-west4-a \ --accelerator-type=v2-8 \ --version=tpu-vm-tf-2.18.0-pjrt
Dockerfile auf die TPU-VM kopieren
gcloud compute tpus tpu-vm scp ./Dockerfile your-tpu-name:
Stellen Sie eine SSH-Verbindung zur TPU-VM her:
gcloud compute tpus tpu-vm ssh your-tpu-name \ --zone=europe-west4-a
Docker-Image erstellen
sudo docker build -t your-image-name .
Docker-Container starten
sudo docker run -ti --rm --net=host --name your-container-name --privileged your-image-name bash
Umgebungsvariablen festlegen
export STORAGE_BUCKET=gs://your-bucket-name export DATA_DIR=gs://cloud-tpu-test-datasets/fake_imagenet export MODEL_DIR=${STORAGE_BUCKET}/resnet-2x
ResNet trainieren
python3 official/vision/train.py \ --tpu=local \ --experiment=resnet_imagenet \ --mode=train_and_eval \ --config_file=official/vision/configs/experiments/image_classification/imagenet_resnet50_tpu.yaml \ --model_dir=${MODEL_DIR} \ --params_override="task.train_data.input_path=${DATA_DIR}/train*, task.validation_data.input_path=${DATA_DIR}/validation*,trainer.train_steps=100"
Bereinigen Sie die Ressourcen nach Abschluss des Trainingsskripts.
- Geben Sie
exit
ein, um den Docker-Container zu beenden. - Geben Sie
exit
ein, um die TPU-VM zu beenden. - TPU-VM löschen
$ gcloud compute tpus tpu-vm delete your-tpu-name --zone=europe-west4-a
TPU-Pod
Erstellen Sie im aktuellen Verzeichnis eine Datei mit dem Namen
Dockerfile
und fügen Sie den folgenden Text ein:FROM python:3.8 RUN pip install https://storage.googleapis.com/cloud-tpu-tpuvm-artifacts/tensorflow/tf-2.12.0/tensorflow-2.12.0-cp38-cp38-linux_x86_64.whl RUN curl -L https://storage.googleapis.com/cloud-tpu-tpuvm-artifacts/libtpu/1.6.0/libtpu.so -o /lib/libtpu.so RUN git clone https://github.com/tensorflow/models.git WORKDIR ./models RUN pip install -r official/requirements.txt ENV PYTHONPATH=/models
TPU-VM erstellen
gcloud compute tpus tpu-vm create your-tpu-name \ --zone=europe-west4-a \ --accelerator-type=v3-32 \ --version=tpu-vm-tf-2.18.0-pod-pjrt
Dockerfile auf die TPU-VM kopieren
gcloud compute tpus tpu-vm scp ./Dockerfile your-tpu-name:
Stellen Sie eine SSH-Verbindung zur TPU-VM her:
gcloud compute tpus tpu-vm ssh your-tpu-name \ --zone=europe-west4-a
Docker-Image erstellen
sudo docker build -t your-image-name .
Docker-Container starten
sudo docker run -ti --rm --net=host --name your-container-name --privileged your-image-name bash
ResNet trainieren
python3 official/vision/train.py \ --tpu=local \ --experiment=resnet_imagenet \ --mode=train_and_eval \ --config_file=official/vision/configs/experiments/image_classification/imagenet_resnet50_tpu.yaml \ --model_dir=${MODEL_DIR} \ --params_override="task.train_data.input_path=${DATA_DIR}/train*, task.validation_data.input_path=${DATA_DIR}/validation*,task.train_data.global_batch_size=2048,task.validation_data.global_batch_size=2048,trainer.train_steps=100"
Bereinigen Sie die Ressourcen nach Abschluss des Trainingsskripts.
- Geben Sie
exit
ein, um den Docker-Container zu beenden. - Geben Sie
exit
ein, um die TPU-VM zu beenden. - TPU-VM löschen
$ gcloud compute tpus tpu-vm delete your-tpu-name --zone=europe-west4-a
PyTorch-Modell in einem Docker-Container trainieren
TPU-Gerät
Cloud TPU-VM erstellen
gcloud compute tpus tpu-vm create your-tpu-name \ --zone=europe-west4-a \ --accelerator-type=v2-8 \ --version=tpu-ubuntu2204-base
SSH-Verbindung zur TPU-VM herstellen
gcloud compute tpus tpu-vm ssh your-tpu-name \ --zone=europe-west4-a
Starten Sie einen Container in der TPU-VM mit dem nächtlichen PyTorch/XLA-Image.
sudo docker run -ti --rm --name your-container-name --privileged gcr.io/tpu-pytorch/xla:r2.0_3.8_tpuvm bash
TPU-Laufzeit konfigurieren
Es gibt zwei PyTorch/XLA-Laufzeitoptionen: PJRT und XRT. Wir empfehlen, PJRT zu verwenden, es sei denn, Sie haben einen Grund, XRT zu verwenden. Weitere Informationen zu den verschiedenen Laufzeitkonfigurationen finden Sie unter „Gründe für die Verwendung von XRT“. Weitere Informationen zu den verschiedenen Laufzeitkonfigurationen finden Sie in der PJRT-Laufzeitdokumentation.
PJRT
export PJRT_DEVICE=TPU
XRT
export XRT_TPU_CONFIG="localservice;0;localhost:51011"
PyTorch XLA-Repository klonen
git clone --recursive https://github.com/pytorch/xla.git
ResNet50 trainieren
python3 xla/test/test_train_mp_imagenet.py --fake_data --model=resnet50 --num_epochs=1
Bereinigen Sie die Ressourcen nach Abschluss des Trainingsskripts.
- Geben Sie
exit
ein, um den Docker-Container zu beenden. - Geben Sie
exit
ein, um die TPU-VM zu beenden. - TPU-VM löschen
$ gcloud compute tpus tpu-vm delete your-tpu-name --zone=europe-west4-a
TPU-Pod
Wenn Sie PyTorch-Code auf einem TPU-Pod ausführen, müssen Sie ihn gleichzeitig auf allen TPU-Workern ausführen. Dazu können Sie den Befehl gcloud compute tpus tpu-vm ssh
mit den Flags --worker=all
und --command
verwenden. Im Folgenden wird beschrieben, wie Sie ein Docker-Image erstellen, um die Einrichtung der einzelnen TPU-Worker zu vereinfachen.
TPU-VM erstellen
gcloud compute tpus tpu-vm create your-tpu-name \ --zone=us-central2-b \ --accelerator-type=v4-32 \ --version=tpu-ubuntu2204-base
Den aktuellen Nutzer der Docker-Gruppe hinzufügen
gcloud compute tpus tpu-vm ssh your-tpu-name \ --zone=us-central2-b \ --worker=all \ --command="sudo usermod -a -G docker $USER"
Führen Sie das Trainingsskript in einem Container auf allen TPU-Workern aus.
gcloud compute tpus tpu-vm ssh your-tpu-name --worker=all \ --zone=us-central2-b \ --command="docker run --rm --privileged --net=host -e PJRT_DEVICE=TPU gcr.io/tpu-pytorch/xla:r2.0_3.8_tpuvm python /pytorch/xla/test/test_train_mp_imagenet.py --fake_data --model=resnet50 --num_epochs=1"
Docker-Befehls-Flags:
--rm
entfernen Sie den Container, nachdem der Prozess beendet wurde.--privileged
stellt das TPU-Gerät dem Container zur Verfügung.--net=host
bindet alle Ports des Containers an die TPU-VM, um die Kommunikation zwischen den Hosts im Pod zu ermöglichen.-e
Umgebungsvariablen festlegen.
Bereinigen Sie die Ressourcen nach Abschluss des Trainingsskripts.
Löschen Sie die TPU-VM mit dem folgenden Befehl:
$ gcloud compute tpus tpu-vm delete your-tpu-name \ --zone=us-central2-b
JAX-Modell in einem Docker-Container trainieren
TPU-Gerät
TPU-VM erstellen
gcloud compute tpus tpu-vm create your-tpu-name \ --zone=europe-west4-a \ --accelerator-type=v2-8 \ --version=tpu-ubuntu2204-base
SSH-Verbindung zur TPU-VM herstellen
gcloud compute tpus tpu-vm ssh your-tpu-name --zone=europe-west4-a
Docker-Daemon in der TPU-VM starten
sudo systemctl start docker
Docker-Container starten
sudo docker run -ti --rm --name your-container-name --privileged --network=host python:3.8 bash
JAX installieren
pip install jax[tpu] -f https://storage.googleapis.com/jax-releases/libtpu_releases.html
FLAX installieren
pip install --upgrade clu git clone https://github.com/google/flax.git pip install --user -e flax
FLAX MNIST-Trainingsskript ausführen
cd flax/examples/mnist python3 main.py --workdir=/tmp/mnist \ --config=configs/default.py \ --config.learning_rate=0.05 \ --config.num_epochs=5
Bereinigen Sie die Ressourcen nach Abschluss des Trainingsskripts.
- Geben Sie
exit
ein, um den Docker-Container zu beenden. - Geben Sie
exit
ein, um die TPU-VM zu beenden. TPU-VM löschen
$ gcloud compute tpus tpu-vm delete your-tpu-name --zone=europe-west4-a
TPU-Pod
Wenn Sie JAX-Code auf einem TPU-Pod ausführen, müssen Sie ihn gleichzeitig auf allen TPU-Workern ausführen. Dazu können Sie den Befehl gcloud compute tpus tpu-vm ssh
mit den Flags --worker=all
und --command
verwenden. Im Folgenden wird beschrieben, wie Sie ein Docker-Image erstellen, um die Einrichtung der einzelnen TPU-Arbeitsstationen zu vereinfachen.
Erstellen Sie im aktuellen Verzeichnis eine Datei mit dem Namen
Dockerfile
und fügen Sie den folgenden Text ein:FROM python:3.8 RUN pip install "jax[tpu]" -f https://storage.googleapis.com/jax-releases/libtpu_releases.html RUN pip install --upgrade clu RUN git clone https://github.com/google/flax.git RUN pip install --user -e flax WORKDIR ./flax/examples/mnist
Docker-Image erstellen
docker build -t your-image-name .
Fügen Sie Ihrem Docker-Image ein Tag hinzu, bevor Sie es in Artifact Registry veröffentlichen. Weitere Informationen zur Arbeit mit Artifact Registry finden Sie unter Mit Container-Images arbeiten.
docker tag your-image-name europe-west-docker.pkg.dev/your-project/your-repo/your-image-name:your-tag
Docker-Image in Artifact Registry veröffentlichen
docker push europe-west4-docker.pkg.dev/your-project/your-repo/your-image-name:your-tag
TPU-VM erstellen
gcloud compute tpus tpu-vm create your-tpu-name \ --zone=europe-west4-a \ --accelerator-type==v2-8 \ --version=tpu-ubuntu2204-base
Rufen Sie das Docker-Image auf allen TPU-Arbeitsstationen aus der Artifact Registry ab.
gcloud compute tpus tpu-vm ssh your-tpu-name --worker=all \ --zone=europe-west4-a \ --command="sudo usermod -a -G docker ${USER}"
gcloud compute tpus tpu-vm ssh your-tpu-name --worker=all \ --zone=europe-west4-a \ --command="gcloud auth configure-docker europe-west4-docker.pkg.dev --quiet"
gcloud compute tpus tpu-vm ssh your-tpu-name --worker=all \ --zone=europe-west4-a \ --command="docker pull europe-west4-docker.pkg.dev/your-project/your-repo/your-image-name:your-tag"
Führen Sie den Container auf allen TPU-Workern aus.
gcloud compute tpus tpu-vm ssh your-tpu-name --worker=all \ zone=europe-west4-a \ --command="docker run -ti -d --privileged --net=host --name your-container-name europe-west4-docker.pkg.dev/your-project/your-repo/your-image:your-tag bash"
Führen Sie das Trainingsskript auf allen TPU-Workern aus:
gcloud compute tpus tpu-vm ssh your-tpu-name --worker=all \ --zone=europe-west4-a \ --command="docker exec --privileged your-container-name python3 main.py --workdir=/tmp/mnist \ --config=configs/default.py \ --config.learning_rate=0.05 \ --config.num_epochs=5"
Bereinigen Sie die Ressourcen nach Abschluss des Trainingsskripts.
Fahren Sie den Container auf allen Workern herunter:
gcloud compute tpus tpu-vm ssh your-tpu-name --worker=all \ --zone=europe-west4-a \ --command="docker kill your-container-name"
Löschen Sie die TPU-VM mit dem folgenden Befehl:
$ gcloud compute tpus tpu-vm delete your-tpu-name \ --zone=europe-west4-a
JAX-Modell in einem Docker-Container mit JAX Stable Stack trainieren
Sie können die Docker-Images MaxText und MaxDiffusion mit dem Basis-Image JAX Stable Stack erstellen.
JAX Stable Stack bietet eine einheitliche Umgebung für MaxText und MaxDiffusion, da JAX mit Kernpaketen wie orbax
, flax
, optax
und libtpu.so
gebündelt wird. Diese Bibliotheken werden auf Kompatibilität getestet und bieten eine stabile Grundlage für die Erstellung und Ausführung von MaxText und MaxDiffusion.
So werden potenzielle Konflikte aufgrund von inkompatiblen Paketversionen vermieden.
Der JAX Stable Stack enthält eine vollständig veröffentlichte und qualifizierte libtpu.so
, die Kernbibliothek, die die TPU-Programmkompilierung, ‑ausführung und ‑Netzwerkkonfiguration steuert. Die libtpu-Version ersetzt den bisher von JAX verwendeten Nightly-Build und sorgt mit Qualifikationstests auf PJRT-Ebene in HLO/StableHLO-IRs für eine konsistente Funktion von XLA-Berechnungen auf TPUs.
Wenn Sie das Docker-Image für MaxText und MaxDiffusion mit dem JAX Stable Stack erstellen möchten, legen Sie beim Ausführen des docker_build_dependency_image.sh
-Scripts die Variable MODE
auf stable_stack
und die Variable BASEIMAGE
auf das gewünschte Basis-Image fest.
Im folgenden Beispiel wird us-docker.pkg.dev/cloud-tpu-images/jax-stable-stack/tpu:jax0.4.35-rev1
als Basisbild angegeben:
bash docker_build_dependency_image.sh MODE=stable_stack BASEIMAGE=us-docker.pkg.dev/cloud-tpu-images/jax-stable-stack/tpu:jax0.4.35-rev1
Eine Liste der verfügbaren JAX Stable Stack-Basis-Images finden Sie unter JAX Stable Stack-Images in Artifact Registry.
Nächste Schritte
- Cloud TPU-Anleitungen
- TPUs verwalten
- Cloud TPU-Systemarchitektur
- TensorFlow-Code auf TPU-Pod-Slices ausführen
- JAX-Code auf TPU-Pod-Slices ausführen