Docker コンテナで Cloud TPU アプリケーションを実行する

Docker コンテナでは、コードと必要なすべての依存関係を 1 つの配布可能なパッケージにまとめることで、アプリケーションの構成が容易になります。TPU VM 内で Docker コンテナを実行して、Cloud TPU アプリケーションの構成と共有を簡素化できます。このドキュメントでは、Cloud TPU でサポートされている機械学習フレームワークごとに Docker コンテナを設定する方法について説明します。

Docker コンテナで TensorFlow モデルをトレーニングする

TPU デバイス

1. 現在のディレクトリに Dockerfile という名前のファイルを作成し、次のテキストを貼り付けます。

   FROM python:3.8
   RUN pip install https://storage.googleapis.com/cloud-tpu-tpuvm-artifacts/tensorflow/tf-2.10.0/tensorflow-2.10.0-cp38-cp38-linux_x86_64.whl
   RUN curl -L https://storage.googleapis.com/cloud-tpu-tpuvm-artifacts/libtpu/1.4.0/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
   

2. Cloud Storage バケットを作成する

   gsutil mb -c standard -l europe-west4 gs://your-bucket-name
   

3. TPU VM の作成

   gcloud compute tpus tpu-vm create your-tpu-name \
   --zone=europe-west4-a \
   --accelerator-type=v2-8 \
   --version=tpu-vm-tf-2.11.0
   

4. Dockerfile を TPU VM にコピーする

   gcloud compute tpus tpu-vm scp ./Dockerfile your-tpu-name:
   

5. TPU VM に SSH 接続する

   gcloud compute tpus tpu-vm ssh your-tpu-name --zone=europe-west4-a
   

6. Docker イメージをビルドする

   sudo docker build -t your-image-name .
   

7. Docker コンテナを起動する

   sudo docker run -ti --rm --net=host --name your-container-name --privileged your-image-name bash
   

8. 環境変数を設定する

   export STORAGE_BUCKET=gs://your-bucket-name
   export DATA_DIR=gs://cloud-tpu-test-datasets/fake_imagenet
   export MODEL_DIR=${STORAGE_BUCKET}/resnet-2x
   export ZONE=europe-west4-a
   export TPU_NAME=local
   

9. ResNet をトレーニングする

   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"
   

TPU Pod

1. 現在のディレクトリに Dockerfile という名前のファイルを作成し、次のテキストを貼り付けます。

   FROM python:3.8
   RUN pip install https://storage.googleapis.com/cloud-tpu-tpuvm-artifacts/tensorflow/tf-2.10.0/tensorflow-2.10.0-cp38-cp38-linux_x86_64.whl
   RUN curl -L https://storage.googleapis.com/cloud-tpu-tpuvm-artifacts/libtpu/1.4.0/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
   

2. TPU VM の作成

   gcloud compute tpus tpu-vm create your-tpu-name \
   --zone=europe-west4-a \
   --accelerator-type=v3-32 \
   --version=tpu-vm-tf-2.11.0-pod
   

3. Dockerfile を TPU VM にコピーする

   gcloud compute tpus tpu-vm scp ./Dockerfile your-tpu-name:
   

4. TPU VM に SSH 接続する

   gcloud compute tpus tpu-vm ssh your-tpu-name --zone=europe-west4-a
   

5. Docker イメージをビルドする

   sudo docker build -t your-image-name .
   

6. Docker コンテナを起動する

   sudo docker run -ti --rm --net=host --name your-container-name --privileged your-image-name bash
   

7. ResNet をトレーニングする

   python3 official/vision/train.py \
   --tpu=your-tpu-name \
   --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"
   

トレーニング スクリプトが完了したら、リソースをクリーンアップしてください。

1. 「exit」と入力して Docker コンテナを終了します。
2. 「exit」と入力して TPU VM を終了します。
3. TPU VM を削除する

     $ gcloud compute tpus tpu-vm delete your-tpu-name --zone=europe-west4-a
   

Docker コンテナで PyTorch モデルをトレーニングする

注: 現時点では、Docker コンテナでの PyTorch の実行は、単一デバイス TPU（v2-8、v3-8）でのみサポートされています。

1. Cloud TPU VM を作成する

   gcloud compute tpus tpu-vm create your-tpu-name \
   --zone=europe-west4-a \
   --accelerator-type=v2-8 \
   --version=tpu-vm-pt-1.13
   

2. TPU VM への SSH 接続

   gcloud compute tpus tpu-vm ssh your-tpu-name --zone=europe-west4-a
   

3. TPU VM でコンテナを起動する

   sudo docker run -ti --rm --name your-container-name --privileged gcr.io/tpu-pytorch/xla:nightly_3.8_tpuvm bash
   

4. libtpu のインストール

   pip install torch_xla[tpuvm]
   export XRT_TPU_CONFIG="localservice;0;localhost:51011"
   

5. PyTorch XLA リポジトリのクローンを作成する

   git clone --recursive https://github.com/pytorch/xla.git
   

6. ImageNet をトレーニングする

   python3 xla/test/test_train_mp_imagenet.py --fake_data --model=resnet50 --num_epochs=1
   

トレーニング スクリプトが完了したら、リソースをクリーンアップしてください。

1. 「exit」と入力して Docker コンテナを終了します。
2. 「exit」と入力して TPU VM を終了します。
3. TPU VM を削除する

   $ gcloud compute tpus tpu-vm delete your-tpu-name --zone=europe-west4-a
   

Docker コンテナで JAX モデルをトレーニングする

TPU デバイス

1. TPU VM を作成します。

   gcloud compute tpus tpu-vm create your-tpu-name \
   --zone=europe-west4-a \
   --accelerator-type=v2-8 \
   --version=tpu-vm-base
   

2. TPU VM への SSH 接続

   gcloud compute tpus tpu-vm ssh your-tpu-name  --zone=europe-west4-a
   

3. TPU VM で Docker デーモンを起動する

   sudo systemctl start docker
   

4. Docker コンテナを起動する

   sudo docker run -ti --rm --name your-container-name --privileged --network=host python:3.8 bash
   

5. JAX のインストール

   pip install "jax[tpu]>=0.2.16" -f https://storage.googleapis.com/jax-releases/libtpu_releases.html
   

6. FLAX のインストール

   pip install --upgrade clu
   git clone https://github.com/google/flax.git
   pip install --user -e flax
   

7. Flax MNIST トレーニング スクリプトを実行します。

   cd flax/examples/mnist
   python3 main.py --workdir=/tmp/mnist \
   --config=configs/default.py \
   --config.learning_rate=0.05 \
   --config.num_epochs=5
   

トレーニング スクリプトが完了したら、リソースをクリーンアップしてください。

1. 「exit」と入力して Docker コンテナを終了します。
2. 「exit」と入力して TPU VM を終了します。

3. TPU VM の削除

   $ gcloud compute tpus tpu-vm delete your-tpu-name --zone=europe-west4-a
   

TPU Pod

TPU Pod で JAX コードを実行するときは、すべての TPU ワーカーで同時に JAX コードを実行する必要があります。これを行う方法の 1 つとして、--worker=all フラグと --command フラグを指定した gcloud compute tpus tpu-vm ssh コマンドを使用する方法があります。次の手順は、各 Docker ワーカーの設定を容易にする Docker イメージの作成方法を示しています。

1. ターミナル プロンプトで、次の環境変数を設定します。

   export USER=your-user-id
   export PROJECT=your-project-name
   export REPO_NAME=your-repo-name
   export IMAGE_NAME=your-image-name
   export TAG=your-tag
   export TPU_NAME=your-tpu-name
   export ZONE=europe-west4-a
   export ACCEL_TYPE=v2-8
   

   次のように置き換えます。

   • your-user-id は、実際のユーザー ID に置き換えます。
   • your-project-name は、Google Cloud プロジェクト名に置き換えます。
   • your-repo-name は、Artifact Registry リポジトリの名前に置き換えます。
   • your-image-name は、Docker イメージの名前に置き換えます。
   • your-tag は、Docker イメージのタグに置き換えます。
   • your-tpu-name は、TPU の名前に置き換えます。

2. 現在のディレクトリに Dockerfile という名前のファイルを作成し、次のテキストを貼り付けます。

   FROM google-cloud-cli:latest
   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
   

3. Docker イメージをビルドする

   docker build -t $IMAGE .
   

4. Artifact Registry に push する前に、Docker イメージにタグを追加します。Artifact Registry の操作の詳細については、コンテナ イメージの操作をご覧ください。

   docker tag $IMAGE_NAME europe-west-docker.pkg.dev/$PROJECT_NAME/$REPO_NAME/$IMAGE_NAME:$TAG
   

5. Docker イメージを Artifact Registry に push する

   docker push europe-west4-docker.pkg.dev/ml-writers/$REPO_NAME/$IMAGE_NAME:$TAG
   

6. TPU VM の作成

   gcloud compute tpus tpu-vm create $TPU_NAME \
   --zone $ZONE \
   --accelerator-type $ACCEL_TYPE \
   --version tpu-vm-base
   

7. すべての TPU ワーカーで、Artifact Registry から Docker イメージを pull します。

   gcloud compute tpus tpu-vm ssh $TPU_NAME --worker=all \
   --command="sudo usermod -a -G docker $USER"
   gcloud compute tpus tpu-vm ssh $TPU_NAME --worker=all \
   --command="gcloud auth configure-docker europe-west4-docker.pkg.dev --quiet"
   gcloud compute tpus tpu-vm ssh $TPU_NAME --worker=all \
   --command="docker pull europe-west4-docker.pkg.dev/your-project-name/your-repo-name/your-image-name:your-tag"
   

8. すべての TPU ワーカーでコンテナを実行します。

   gcloud compute tpus tpu-vm ssh $TPU_NAME --worker=all \
   --command="docker run -ti -d --privileged --net=host --name your-container-name europe-west4-docker.pkg.dev/your-project-name/your-repo-name/your-image-name:your-tag bash"
   

9. すべての TPU ワーカーでトレーニング スクリプトを実行します。

   gcloud compute tpus tpu-vm ssh $TPU_NAME --worker=all \
   --zone $ZONE \
   --command="docker exec --privileged $CONTAINER_NAME python3 main.py --workdir=/tmp/mnist \
   --config=configs/default.py \
   --config.learning_rate=0.05 \
   --config.num_epochs=5"
   

トレーニング スクリプトが完了したら、リソースをクリーンアップしてください。次のコマンドを使用して TPU VM を削除します。

  $ gcloud compute tpus tpu-vm delete your-tpu-name --zone=europe-west4-a
  

次のステップ

• Cloud TPU のチュートリアル
• Cloud TPU ユーザーガイド
• Cloud TPU システム アーキテクチャ
• TPU Pod スライスでの TensorFlow コードの実行
• TPU Pod スライスでの JAX コードの実行