GKE の TPU の概要

Google Kubernetes Engine（GKE）のお客様は、TPU v4 と v5e の Pod を含む Kubernetes ノードプールを作成できるようになりました。TPU Pod - 高速相互接続で接続された TPU デバイスのグループ。完全な TPU Pod を必要としないワークロードの場合、TPU スライスと呼ばれる完全な TPU Pod のサブセットを使用できます。完全な TPU Pod と同様に、スライス内の各 TPU デバイスには独自の TPU VM があります。 TPU VM とその接続されたデバイスは、ホストまたは TPU ノードと呼びます。TPU 構成の詳細については、システムアーキテクチャをご覧ください。

通常、GKE のコンテキストで使用される Pod という用語は、Kubernetes Pod を意味します。混乱を避けるため、1 つ以上の TPU デバイスのコレクションを、常にスライスと呼ぶことにします。

GKE を使用する場合は、まず GKE クラスタを作成する必要があります。

次に、クラスタにノードプールを追加します。GKE ノードプールは、同じ属性を共有する VM のコレクションです。TPU ワークロードの場合、ノードプールは TPU VM で構成されます。

ノードプールの種類

GKE は、2 種類の TPU ノードプールをサポートしています。

マルチホスト TPU スライス
単一ホスト TPU スライス

マルチホスト TPU スライスノードプール

マルチホスト TPU スライスノードプールは、2 つ以上の相互接続された TPU VM を含むノードプールです。各 VM に TPU デバイスが接続されています。マルチホストスライスの TPU は、高速相互接続（ICI）で接続されています。マルチホスト TPU スライスのノードプールは不変です。マルチホストスライスのノードプールを作成した後に、ノードを追加することはできません。たとえば、v4-32 ノードプールを作成し、後でノードプールに Kubernetes ノード（TPU VM）を追加することはできません。GKE クラスタに TPU スライスを追加するには、新しいノードプールを作成する必要があります。

マルチホスト TPU スライスノードプール内のホストは、単一のアトミック単位として扱われます。 GKE がスライスに 1 つのノードをデプロイできない場合、スライス内のすべてのノードのデプロイは失敗します。

マルチホスト TPU スライス内のノードを修復する必要がある場合、GKE はスライス内のすべての TPU VM（ノード）をシャットダウンし、ワークロード内のすべての GKE Pod を強制排除します。スライス内のすべての TPU VM が稼働すると、新しいスライスの TPU VM で GKE Pod をスケジュールできます。

次の図は、TPU v5litepod-16（v5e）マルチホストスライスの例を示しています。このスライスには 4 つの TPU VM があります。各 TPU VM には 4 つの TPU v5e チップがあり、高速相互接続（ICI）で接続されています。各 TPU v5e チップには 1 つの TensorCore があります。

マルチホスト TPU スライスの図

次の図は、1 つの TPU v5litepod-16（v5e）スライス（トポロジ: 4x4）と 1 つの TPU v5litepod-8（v5e）スライス（トポロジ: 2x4）を含む GKE クラスタを示しています。

TPU v5e Pod の図

マルチホスト TPU スライスでワークロードを実行する例については、マルチホスト TPU スライスでワークロードを実行するをご覧ください。

単一ホスト TPU スライスノードプール

単一ホストスライスのノードプールは、1 つ以上の独立した TPU VM を含むノードプールです。各 VM には TPU デバイスが接続されています。単一ホストスライスのノードプール内の VM はデータセンターネットワーク（DCN）を介して通信できますが、VM に接続された TPU は相互接続されません。次の図は、7 台の v4-8 マシンを持つ単一ホストの TPU スライスの例を示しています。

単一ホストスライスのノードプールの図

単一ホストの TPU スライスでワークロードを実行する例については、TPU ノードでワークロードを実行するをご覧ください。

GKE ノードプールの TPU マシンタイプ

ノードプールを作成する前に、ワークロードに必要な TPU バージョンと TPU スライスのサイズを選択する必要があります。TPU v4 は GKE Standard バージョン 1.26.1-gke.1500 以降で、v5e は GKE Standard バージョン 1.27.2-gke.2100 以降で、v5p は GKE Standard バージョン 1.28.3-gke.1024000 以降でサポートされています。

TPU v4、v5e、v5p は、GKE Autopilot バージョン 1.29.2-gke.1521000 以降でサポートされています。

TPU バージョン別のハードウェア仕様については、システムアーキテクチャをご覧ください。TPU ノードプールを作成するときに、モデルのサイズと必要なメモリ量に基づいて TPU スライスサイズ（TPU トポロジ）を選択します。ノードプールの作成時に指定するマシンタイプは、スライスのバージョンとサイズによって異なります。

v5e

トレーニングと推論のユースケースでサポートされている TPU v5e のマシンタイプとトポロジは次のとおりです。

マシンタイプ	トポロジ	TPU チップの数	VM 数	おすすめの使用例
`ct5lp-hightpu-1t`	1×1	1	1	トレーニング、単一ホストの推論
`ct5lp-hightpu-4t`	2x2	4	1	トレーニング、単一ホストの推論
`ct5lp-hightpu-8t`	2x4	8	1	トレーニング、単一ホストの推論
`ct5lp-hightpu-4t`	2x4	8	2	トレーニング、マルチホストの推論
`ct5lp-hightpu-4t`	4x4	16	4	大規模なトレーニング、マルチホストの推論
`ct5lp-hightpu-4t`	4x8	32	8	大規模なトレーニング、マルチホストの推論
`ct5lp-hightpu-4t`	8x8	64	16	大規模なトレーニング、マルチホストの推論
`ct5lp-hightpu-4t`	8x16	128	32	大規模なトレーニング、マルチホストの推論
`ct5lp-hightpu-4t`	16x16	256	64	大規模なトレーニング、マルチホストの推論

Cloud TPU v5e は、トレーニングと推論を組み合わせたプロダクトです。トレーニングジョブはスループットと可用性に最適化されており、推論ジョブはレイテンシに最適化されています。詳細については、v5e トレーニングアクセラレータタイプと v5e 推論アクセラレータタイプをご覧ください。

TPU v5e マシンは、us-west4-a、us-east5-b、us-east1-c で利用できます。 GKE Standard クラスタでは、コントロールプレーンバージョン 1.27.2-gke.2100 以降を実行する必要があります。GKE Autopilot は、コントロールプレーンバージョン 1.29.2-gke.1521000 以降を実行する必要があります。v5e の詳細については、Cloud TPU v5e トレーニングをご覧ください。

マシンタイプの比較

マシンタイプ	ct5lp-hightpu-1t	ct5lp-hightpu-4t	ct5lp-hightpu-8t
v5e チップの数	1	4	8
vCPU 数	24	112	224
RAM（GB）	48	192	384
NUMA ノードの数	1	1	2
プリエンプションの可能性	高	中	低

チップ数の多い VM 用にスペースを確保するため、GKE スケジューラは、チップ数が少ない VM をプリエンプトして再スケジュールすることがあります。したがって、8 チップの VM は 1 チップ VM と 4 チップ VM をプリエンプトする可能性が高くなります。

v4 と v5p

TPU v4 および v5p のマシンタイプは次のとおりです。

マシンタイプ	vCPU 数	メモリ（GB）	NUMA ノードの数
`ct4p-hightpu-4t`	240	407	2
`ct5p-hightpu-4t`	208	448	2

TPU v4 スライスを作成する場合は、1 つのホストと 4 つのチップを含む ct4p-hightpu-4t マシンタイプを使用します。詳細については、v4 トポロジと TPU システムアーキテクチャをご覧ください。TPU v4 Pod マシンタイプは、us-central2-b で利用できます。GKE Standard クラスタは、コントロールプレーンバージョン 1.26.1-gke.1500 以降を実行する必要があります。GKE Autopilot クラスタは、コントロールプレーンバージョン 1.29.2-gke.1521000 以降を実行する必要があります。

TPU v5p スライスを作成する場合は、1 つのホストと 4 つのチップを含む ct5p-hightpu-4t マシンタイプを使用します。TPU v5p Pod マシンタイプは、us-west4-a と us-east5-a で利用できます。GKE Standard クラスタは、コントロールプレーンバージョン 1.28.3-gke.1024000 以降を実行する必要があります。GKE Autopilot は、1.29.2-gke.1521000 以降を実行する必要があります。v5p の詳細については、v5p トレーニングの概要をご覧ください。

既知の問題と制限事項

Docker Pod の最大数: 1 つの TPU VM で最大 256 個の Docker Pod を実行できます。
特殊な予約のみ: GKE で TPU を使用する場合、gcloud container node-pools create コマンドの --reservation-affinity フラグでサポートされている値は SPECIFIC のみです。
プリエンプティブル TPU の Spot VM バリアントのみをサポート: Spot VM はプリエンプティブル VM に似ており、同じ可用性制限が適用されますが、最大時間 24 時間の制限はありません。
費用割り当てサポートなし: GKE の費用割り当てと使用状況測定には、TPU の使用量と費用に関するデータは含まれません。
オートスケーラーが容量を計算する: クラスタオートスケーラーは、新しい TPU ノードが利用可能になる前に、新しい TPU ノードの容量を正しく計算しないことがあります。これにより、クラスタオートスケーラーが追加のスケールアップを実行して、結果として必要以上にノードを作成する場合があります。クラスタオートスケーラーは、通常のスケールダウンオペレーションの後に、追加のノードが不要な場合はスケールダウンします。
オートスケーラーによるスケールアップのキャンセル: クラスタオートスケーラーは、待機状態のまま 15 分以上経過した TPU ノードプールのスケールアップをキャンセルします。クラスタオートスケーラーは、後でこのようなスケールアップオペレーションを再試行します。この動作により、予約を使用しない TPU の取得可能性が低下する可能性があります。
taint でスケールダウンが妨げられる: TPU taint の容認機能がある TPU 以外のワークロードは、TPU ノードプールのドレイン中に再作成されると、ノードプールのスケールダウンを妨げることがあります。

十分な TPU 割り当てと GKE 割り当てを確保する

リソースが作成されるリージョンでは、GKE 関連の特定の割り当てを引き上げる必要があります。

次の割り当てには、増やす必要性が高いデフォルト値があります。

Persistent Disk SSD（GB）割り当て: 各 Kubernetes ノードのブートディスクにはデフォルトで 100 GB 必要です。そのため、この割り当ては、少なくとも、（作成する予定の GKE ノードの最大数）x 100GB に設定する必要があります。
使用中の IP アドレスの割り当て: 各 Kubernetes ノードは 1 つの IP アドレスを消費します。そのため、この割り当ては、少なくとも、作成する予定の GKE ノードの最大数と同じ値に設定する必要があります。

割り当ての増加をリクエストするには、割り当ての増加をリクエストするをご覧ください。 TPU 割り当ての種類について詳しくは、TPU 割り当てをご覧ください。

割り当て増加のリクエストが承認されるまで数日かかることがあります。数日以内に割り当ての増加リクエストが承認されない場合は、Google アカウントチームにお問い合わせください。

TPU 予約を移行する

GKE の TPU で既存の TPU 予約を使用する予定がない場合は、このセクションをスキップして Google Kubernetes Engine クラスタの作成に移動してください。

GKE で予約済み TPU を使用するには、まず TPU 予約を新しい Compute Engine ベースの予約システムに移行する必要があります。

この移行について、注意すべき重要な点がいくつかあります。

新しい Compute Engine ベースの予約システムに移行された TPU 容量は、Cloud TPU Queued Resource API では使用できません。 TPU キューに格納されたリソースを予約で使用する場合は、TPU 予約の一部のみを新しい Compute Engine ベースの予約システムに移行する必要があります。
新しい Compute Engine ベースの予約システムに移行すされている場合、TPU でアクティブに実行できるワークロードはありません。
移行を実行する時間を選択し、Google Cloud アカウントチームと協力して移行をスケジュールします。移行の時間枠は、営業時間中（月曜日～金曜日の太平洋時間午前 9 時～午後 5 時）にする必要があります。

Google Kubernetes Engine クラスタを作成する

Google Kubernetes Engine のドキュメントのクラスタを作成するをご覧ください。

TPU ノードプールを作成する

Google Kubernetes Engine のドキュメントのノードプールを作成するをご覧ください。

特権モードなしでの実行

コンテナの権限の範囲を縮小するには、TPU 権限モードをご覧ください。

TPU ノードでワークロードを実行する

Google Kubernetes Engine のドキュメントの TPU ノードでワークロードを実行するをご覧ください。

ノードセレクタ

Kubernetes が TPU ノードでワークロードをスケジュールするには、Google Kubernetes Engine マニフェストの TPU ノードごとに 2 つのセレクタを指定する必要があります。

cloud.google.com/gke-accelerator-type を tpu-v5-lite-podslice または tpu-v4-podslice に設定します。
cloud.google.com/gke-tpu-topology を TPU ノードの TPU トポロジに設定します。

トレーニングワークロードと推論ワークロードのセクションには、これらのノードセレクタの使用方法を示すマニフェストの例が含まれています。

ワークロードのスケジューリングに関する考慮事項

TPU には、Kubernetes での特別なワークロードのスケジューリングと管理を必要とする固有の特性があります。詳細については、GKE ドキュメントのワークロードのスケジューリングに関する考慮事項をご覧ください。

TPU ノードの修復

マルチホスト TPU スライスノードプール内の TPU ノードが正常でない場合は、ノードプール全体が再作成されます。詳細については、GKE ドキュメントのノードの自動修復をご覧ください。

マルチスライス - 単一スライス以外

小さなスライスをマルチスライスに集約することで、より大きなトレーニングワークロードを処理できます。詳細については、Cloud TPU マルチスライスをご覧ください。

トレーニングワークロードのチュートリアル

このチュートリアルでは、マルチホスト TPU スライス（たとえば 4 つの v5e マシン）でワークロードをトレーニングする方法について説明します。次のモデルを対象としています。

Hugging Face FLAX Models: Pokémon 上で Diffusion をトレーニングする
PyTorch/XLA: WikiText 上の GPT2

チュートリアルのリソースをダウンロードする

次のコマンドを使用して、各トレーニング済みモデルのチュートリアル Python スクリプトと YAML 仕様をダウンロードします。

git clone https://github.com/GoogleCloudPlatform/ai-on-gke.git

クラスタを作成して接続する

リージョン GKE クラスタを作成することにより、Kubernetes コントロールプレーンが 3 つのゾーンに複製され、高可用性を実現します。使用する TPU のバージョンに応じて、us-west4、us-east1 または us-central2 でクラスタを作成します。TPU とゾーンの詳細については、Cloud TPU のリージョンとゾーンをご覧ください。

次のコマンドは、最初にゾーンごとに 1 つのノードを含むノードプールを持つ、ラピッドリリースチャンネルに登録される新しい GKE リージョンクラスタを作成します。このガイドの推論ワークロードの例では、Cloud Storage バケットを使用して事前トレーニング済みモデルを保存しているため、このコマンドは、Workload Identity と Cloud Storage FUSE CSI ドライバの機能もクラスタで有効にします。

gcloud container clusters create cluster-name \
  --region your-region \
  --release-channel rapid \
  --num-nodes=1 \
  --workload-pool=project-id.svc.id.goog \
  --addons GcsFuseCsiDriver

既存のクラスタに対して Workload Identity と Cloud Storage FUSE CSI ドライバの機能を有効にするには、次のコマンドを実行します。

gcloud container clusters update cluster-name \
  --region your-region \
  --update-addons GcsFuseCsiDriver=ENABLED \
  --workload-pool=project-id.svc.id.goog

このサンプルワークロードは、次のことを前提として構成されています。

ノードプールは 4 つのノードを持つ tpu-topology=4x4 を使用している
ノードプールは machine-type ct5lp-hightpu-4t を使用している

次のコマンドを実行して、新しく作成したクラスタに接続します。

gcloud container clusters get-credentials cluster-name \
--location=cluster-region

Hugging Face FLAX Models: Pokémon 上で Diffusion をトレーニングする

この例では、Pokémon データセットを使用して HuggingFace からの Stable Diffusion モデルをトレーニングします。

Stable Diffusion モデルは、テキスト入力からフォトリアリスティックな画像を生成する、潜在的 text-to-image モデルです。Stable Diffusion の詳細については、以下をご覧ください。

Docker イメージを作成する

Dockerfile はフォルダ ai-on-gke/tutorials-and-examples/tpu-examples/training/diffusion/ の下にあります。次のコマンドを実行して、Docker イメージのビルドと push を行います。

cd ai-on-gke/tutorials-and-examples/tpu-examples/training/diffusion/
docker build -t gcr.io/project-id/diffusion:latest .
docker push gcr.io/project-id/diffusion:latest

ワークロードをデプロイする

次のコンテンツを含むファイルを作成し、tpu_job_diffusion.yaml という名前を付けます。イメージフィールドに、作成したイメージを入力します。

apiVersion: v1
kind: Service
metadata:
  name: headless-svc
spec:
  clusterIP: None
  selector:
    job-name: tpu-job-diffusion
---
apiVersion: batch/v1
kind: Job
metadata:
  name: tpu-job-diffusion
spec:
  backoffLimit: 0
  # Completions and parallelism should be the number of chips divided by 4.
  # (e.g. 4 for a v5litepod-16)
  completions: 4
  parallelism: 4
  completionMode: Indexed
  template:
    spec:
      subdomain: headless-svc
      restartPolicy: Never
      nodeSelector:
        cloud.google.com/gke-tpu-accelerator: tpu-v5-lite-podslice
        cloud.google.com/gke-tpu-topology: 4x4
      containers:
      - name: tpu-job-diffusion
        image: gcr.io/${project-id}/diffusion:latest
        ports:
        - containerPort: 8471 # Default port using which TPU VMs communicate
        - containerPort: 8431 # Port to export TPU usage metrics, if supported
        command:
        - bash
        - -c
        - |
          cd examples/text_to_image
          python3 train_text_to_image_flax.py --pretrained_model_name_or_path=duongna/stable-diffusion-v1-4-flax --dataset_name=lambdalabs/pokemon-blip-captions --resolution=128 --center_crop --random_flip --train_batch_size=4 --mixed_precision=fp16 --max_train_steps=1500 --learning_rate=1e-05 --max_grad_norm=1 --output_dir=sd-pokemon-model
        resources:
          requests:
            google.com/tpu: 4
          limits:
            google.com/tpu: 4

次に、以下のコマンドを使用してデプロイします。

kubectl apply -f tpu_job_diffusion.yaml

クリーンアップ

ジョブの実行が終了したら、次のコマンドを使用してジョブを削除できます。

kubectl delete -f tpu_job_diffusion.yaml

PyTorch/XLA: WikiText 上の GPT2

このチュートリアルでは、wikitext データセットを使用して PyTorch/XLA で HuggingFace を使用して、v5e TPU で GPT2 を実行する方法を説明します。

Docker イメージを作成する

Dockerfile はフォルダ ai-on-gke/tutorials-and-examples/tpu-examples/training/gpt/ の下にあります。次のコマンドを実行して、Docker イメージのビルドと push を行います。

cd ai-on-gke/tutorials-and-examples/tpu-examples/training/gpt/
docker build -t gcr.io/project-id/gpt:latest .
docker push gcr.io/project-id/gpt:latest

ワークロードをデプロイする

次の YAML をコピーして tpu_job_gpt.yaml というファイルに保存します。作成したイメージをイメージフィールドに入力します。

apiVersion: v1
kind: Service
metadata:
  name: headless-svc
spec:
  clusterIP: None
  selector:
    job-name: tpu-job-gpt
---
apiVersion: batch/v1
kind: Job
metadata:
  name: tpu-job-gpt
spec:
  backoffLimit: 0
  # Completions and parallelism should be the number of chips divided by 4.
  # (for example, 4 for a v5litepod-16)
  completions: 4
  parallelism: 4
  completionMode: Indexed
  template:
    spec:
      subdomain: headless-svc
      restartPolicy: Never
      volumes:
      # Increase size of tmpfs /dev/shm to avoid OOM.
      - name: shm
        emptyDir:
          medium: Memory
          # consider adding `sizeLimit: XGi` depending on needs
      nodeSelector:
        cloud.google.com/gke-tpu-accelerator: tpu-v5-lite-podslice
        cloud.google.com/gke-tpu-topology: 4x4
      containers:
      - name: tpu-job-gpt
        image: gcr.io/$(project-id)/gpt:latest
        ports:
        - containerPort: 8479
        - containerPort: 8478
        - containerPort: 8477
        - containerPort: 8476
        - containerPort: 8431 # Port to export TPU usage metrics, if supported.
        env:
        - name: PJRT_DEVICE
          value: 'TPU'
        - name: XLA_USE_BF16
          value: '1'
        command:
        - bash
        - -c
        - |
          numactl --cpunodebind=0 python3 -u examples/pytorch/xla_spawn.py   --num_cores 4 examples/pytorch/language-modeling/run_clm.py    --num_train_epochs 3 --dataset_name wikitext     --dataset_config_name wikitext-2-raw-v1 --per_device_train_batch_size 16    --per_device_eval_batch_size 16 --do_train --do_eval  --output_dir /tmp/test-clm     --overwrite_output_dir --config_name my_config_2.json --cache_dir /tmp --tokenizer_name gpt2  --block_size 1024 --optim adafactor --adafactor true --save_strategy no --logging_strategy no --fsdp "full_shard" --fsdp_config fsdp_config.json
        volumeMounts:
        - mountPath: /dev/shm
          name: shm
        resources:
          requests:
            google.com/tpu: 4
          limits:
            google.com/tpu: 4

以下のコマンドを使用してデプロイします。

kubectl apply -f tpu_job_gpt.yaml

クリーンアップ

ジョブの実行が終了したら、次のコマンドを使用してジョブを削除できます。

kubectl delete -f tpu_job_gpt.yaml

チュートリアル: 単一ホストの推論ワークロード

このチュートリアルでは、JAX、TensorFlow、PyTorch を使用して、GKE v5e TPU 上で事前にトレーニングされたモデルの単一ホストの推論ワークロードを実行する方法について説明します。GKE クラスタでは、大きく分けて、実行する次の 4 つのステップがあります。

Cloud Storage バケットを作成し、バケットへのアクセスを設定します。事前トレーニング済みモデルの保存には、Cloud Storage バケットが使用されます。
事前トレーニング済みモデルをダウンロードして TPU 互換モデルに変換します。事前トレーニング済みモデルをダウンロードする GKE Pod を適用し、Cloud TPU Converter を使用して、変換したモデルを Cloud Storage FUSE CSI ドライバを使用して Cloud Storage バケットに保存します。Cloud TPU Converter には専用のハードウェアは必要ありません。このチュートリアルでは、モデルをダウンロードして CPU ノードプールで Cloud TPU Converter を実行する方法について説明します。
変換されたモデルのサーバーを起動します。ReadOnlyMany（ROX）Persistent ボリュームに保存されているボリュームを基盤とするサーバーフレームワークを使用して、モデルを提供する Deployment を適用します。Deployment レプリカは、ノードごとに 1 つの Kubernetes Pod を持つ v5e Pod TPU ノードで実行する必要があります。
ロードバランサをデプロイして、モデルサーバーをテストします。サーバーは LoadBalancer Service を使用して外部リクエストに公開されます。モデルサーバーのテスト用に、サンプルリクエスト付きの Python スクリプトが用意されています。

次の図は、ロードバランサによってリクエストがルーティングされる方法を示しています。

ロードバランサのルーティングを示す図

サーバーの Deployment の例

このサンプルワークロードは、次のことを前提として構成されています。

クラスタは 3 つのノードを持つ TPU v5 ノードプールで実行されている
ノードプールはマシンタイプ ct5lp-hightpu-1t を使用している。ここで
- トポロジは 1x1
- TPU チップの数は 1

次の GKE マニフェストは、単一のホストサーバーの Deployment を定義します。

apiVersion: apps/v1
kind: Deployment
metadata:
  name: bert-deployment
spec:
  selector:
    matchLabels:
      app: tf-bert-server
  replicas: 3 # number of nodes in node pool
  template:
    metadata:
      annotations:
        gke-gcsfuse/volumes: "true"
      labels:
        app: tf-bert-server
    spec:
      nodeSelector:
        cloud.google.com/gke-tpu-topology: 1x1  # target topology
        cloud.google.com/gke-tpu-accelerator: tpu-v5-lite-podslice  # target version
      containers:
      - name: serve-bert
        image: us-docker.pkg.dev/cloud-tpu-images/inference/tf-serving-tpu:2.13.0
        env:
        - name: MODEL_NAME
          value: "bert"
        volumeMounts:
        - mountPath: "/models/"
          name: bert-external-storage
        ports:
        - containerPort: 8500
        - containerPort: 8501
        - containerPort: 8431 # Port to export TPU usage metrics, if supported.
        resources:
          requests:
            google.com/tpu: 1 # TPU chip request
          limits:
            google.com/tpu: 1 # TPU chip request
      volumes:
      - name: bert-external-storage
        persistentVolumeClaim:
          claimName: external-storage-pvc

TPU ノードプールで異なる数のノードを使用している場合は、replicas フィールドをノードの数に変更します。

Standard クラスタで GKE バージョン 1.27 以前が実行されている場合は、次のフィールドをマニフェストに追加します。

spec:
  securityContext:
    privileged: true

GKE バージョン 1.28 以降では、特権モードで Pod を実行する必要はありません。詳細については、特権モードなしでコンテナを実行するをご覧ください。

別のマシンタイプを使用している場合は、以下のようにします。

cloud.google.com/gke-tpu-topology を、使用しているマシンタイプのトポロジに設定します。
resources の下にある両方の google.com/tpu フィールドを、対応するマシンタイプのチップ数に合わせて設定します。

設定

次のコマンドを使用して、チュートリアルの Python スクリプトと YAML マニフェストをダウンロードします。

git clone https://github.com/GoogleCloudPlatform/ai-on-gke.git

single-host-inference ディレクトリに移動します。

cd ai-on-gke/gke-tpu-examples/single-host-inference/

Python 環境を設定する

このチュートリアルで使用する Python スクリプトには、Python バージョン 3.9 以降が必要です。 Python テストスクリプトを実行する前に、チュートリアルごとに requirements.txt をインストールしてください。

ローカル環境に適切な Python 設定がない場合は、Cloud Shell を使用して、このチュートリアルの Python スクリプトをダウンロードして実行できます。

クラスタを設定する

e2-standard-4 マシンタイプを使用してクラスタを作成します。

gcloud container clusters create cluster-name \
--region your-region \
--release-channel rapid \
--num-nodes=1 \
--machine-type=e2-standard-4 \
--workload-pool=project-id.svc.id.goog \
--addons GcsFuseCsiDriver

単一ホストの TPU ノードプールを作成します。

サンプルワークロードは次のことを前提としています。

クラスタは 3 ノードの TPU v5e ノードプールで実行されている。
TPU ノードプールはマシンタイプ ct5lp-hightpu-1t を使用している。

前述のものとは異なるクラスタ構成を使用している場合は、サーバー Deployment マニフェストを編集する必要があります。

JAX Stable Diffusion のデモでは、16 GB 以上の使用可能なメモリを備えたマシンタイプ（たとえば、e2-standard-4）の CPU ノードプールが必要です。これは、gcloud container clusters create コマンド、または次のコマンドを使用して、既存のクラスタにノードプールを追加することによって構成されます。

gcloud beta container node-pools create your-pool-name \
  --zone=your-cluster-zone \
  --cluster=your-cluster-name \
  --machine-type=e2-standard-4 \
  --num-nodes=1

以下を置き換えます。

your-pool-name: 作成するノードプールの名前。
your-cluster-zone: クラスタが作成されたゾーン。
your-cluster-name: ノードプールを追加するクラスタの名前。
your-machine-type: ノードプール内に作成するノードのマシンタイプ。

モデルストレージを設定する

提供するモデルの保存方法はいくつかあります。このチュートリアルでは、次のアプローチを使用します。

TPU で動作するように事前トレーニング済みモデルを変換するために、ReadWriteMany（RWX）アクセス権を持つ Persistent Disk を基盤とする Virtual Private Cloud を使用します。
複数の単一ホスト TPU でモデルを提供するには、Cloud Storage バケットを基盤とする同じ VPC を使用します。

次のコマンドを実行して Cloud Storage バケットを作成します。

gcloud storage buckets create gs://your-bucket-name \
  --project=your-bucket-project-id \
  --location=your-bucket-location

以下を置き換えます。

your-bucket-name: Cloud Storage バケットの名前。
your-bucket-project-id: Cloud Storage バケットを作成したプロジェクト ID。
your-bucket-location: Cloud Storage バケットのロケーション。パフォーマンスを向上させるには、GKE クラスタが実行されているロケーションを指定します。

GKE クラスタにバケットへのアクセスを許可するには、次の操作を行います。設定を簡素化するために、次の例ではデフォルトの名前空間とデフォルトの Kubernetes サービスアカウントを使用しています。詳細については、GKE Workload Identity を使用して Cloud Storage バケットへのアクセスを構成するをご覧ください。

アプリケーションに IAM サービスアカウントを作成するか、既存の IAM サービスアカウントを使用します。Cloud Storage バケットのプロジェクトでは、任意の IAM サービスアカウントを使用できます。

注: 既存の IAM サービスアカウントを使用している場合は、この手順をスキップします。
```
gcloud iam service-accounts create your-iam-service-acct \
--project=your-bucket-project-id
```
以下を置き換えます。
- your-iam-service-acct: 新しい IAM サービスアカウントの名前。
- your-bucket-project-id: IAM サービスアカウントを作成したプロジェクトの ID。IAM サービスアカウントは、Cloud Storage バケットと同じプロジェクト内に存在する必要があります。
必要なストレージロールが IAM サービスアカウントにあることを確認します。
```
gcloud storage buckets add-iam-policy-binding gs://your-bucket-name \
--member "serviceAccount:your-iam-service-acct@your-bucket-project-id.iam.gserviceaccount.com" \
--role "roles/storage.objectAdmin"
```
以下を置き換えます。
- your-bucket-name: Cloud Storage バケットの名前。
- your-iam-service-acct: 新しい IAM サービスアカウントの名前。
- your-bucket-project-id: IAM サービスアカウントを作成したプロジェクトの ID。
2 つのサービスアカウントの間に IAM ポリシーバインディングを追加して、Kubernetes サービスアカウントが IAM サービスアカウントの権限を借用できるようにします。このバインドでは、Kubernetes サービスアカウントが IAM サービスアカウントとして機能します。
```
gcloud iam service-accounts add-iam-policy-binding your-iam-service-acct@your-bucket-project-id.iam.gserviceaccount.com \
  --role roles/iam.workloadIdentityUser \
  --member "serviceAccount:your-project-id.svc.id.goog[default/default]"
```
以下を置き換えます。
- your-iam-service-acct: 新しい IAM サービスアカウントの名前。
- your-bucket-project-id: IAM サービスアカウントを作成したプロジェクトの ID。
- your-project-id: GKE クラスタを作成したプロジェクトの ID。Cloud Storage バケットと GKE クラスタは、同じプロジェクトまたは別のプロジェクトに存在する可能性があります。
Kubernetes サービスアカウントに IAM サービスアカウントのメールアドレスでアノテーションを付けます。
```
kubectl annotate serviceaccount default \
  --namespace default \
  iam.gke.io/gcp-service-account=your-iam-service-acct@your-bucket-project-id.iam.gserviceaccount.com
```
以下を置き換えます。
- your-iam-service-acct: 新しい IAM サービスアカウントの名前。
- your-bucket-project-id: IAM サービスアカウントを作成したプロジェクトの ID。
次のコマンドを実行して、このデモの YAML ファイルにバケット名を入力します。
```
find . -type f -name "*.yaml" | xargs sed -i "s/BUCKET_NAME/your-bucket-name/g"
```
your-bucket-name は、Cloud Storage バケットの名前に置き換えます。
次のコマンドを使用して、Persisten Volume と Persistent Volume Claim を作成します。
```
kubectl apply -f pvc-pv.yaml
```

JAX モデルの推論とサービス提供

JAX モデルサービスにリクエストを送信するチュートリアル Python スクリプトを実行するための Python 依存関係をインストールします。

pip install -r jax/requirements.txt

JAX BERT E2E サービス提供デモを実行します。

このデモでは、Hugging Face からの事前トレーニング済みの BERT モデルを使用します。

Kubernetes Pod は、次の手順を実行します。

サンプルリソースから Python スクリプト export_bert_model.py をダウンロードして使用し、事前トレーニング済みの bert モデルを一時ディレクトリにダウンロードします。
Cloud TPU Converter イメージを使用して、事前トレーニング済みモデルを CPU から TPU に変換し、セットアップ時に作成した Cloud Storage バケットにモデルを保存します。

この Kubernetes Pod は、デフォルトのノードプール CPU で実行するように構成されています。次のコマンドで Pod を実行します。

kubectl apply -f jax/bert/install-bert.yaml

以下のコマンドを使用して、モデルが正しくインストールされたことを確認します。

kubectl get pods install-bert

STATUS が Completed を読み取るまでに数分かかる場合があります。

モデルの TF モデルサーバーを起動する

このチュートリアルのサンプルワークロードは、次のことを前提としています。

クラスタは 3 つのノードを持つ TPU v5 ノードプールで実行されている
ノードプールは 1 つの TPU チップを含む ct5lp-hightpu-1t マシンタイプを使用している

前述のものとは異なるクラスタ構成を使用している場合は、サーバー Deployment マニフェストを編集する必要があります。

Deployment を適用する

kubectl apply -f jax/bert/serve-bert.yaml

次のコマンドを使用して、サーバーが稼働していることを確認します。

kubectl get deployment bert-deployment

AVAILABLE が 3 を読み取るまでに 1 分ほどかかることがあります。

ロードバランササービスを適用する

kubectl apply -f jax/bert/loadbalancer.yaml

以下のコマンドを使用して、ロードバランサが外部トラフィックに対して準備ができていることを確認します。

kubectl get svc tf-bert-service

EXTERNAL_IP に IP が表示されるまでには数分かかる場合があります。

モデルサーバーにリクエストを送信する

ロードバランササービスから外部 IP を取得します。

EXTERNAL_IP=$(kubectl get services tf-bert-service --output jsonpath='{.status.loadBalancer.ingress[0].ip}')

サーバーにリクエストを送信するスクリプトを実行します。

python3 jax/bert/bert_request.py $EXTERNAL_IP

予想される出力:

For input "The capital of France is [MASK].", the result is ". the capital of france is paris.."
For input "Hello my name [MASK] Jhon, how can I [MASK] you?", the result is ". hello my name is jhon, how can i help you?."

クリーンアップ

リソースをクリーンアップするには、kubectl delete を逆順で実行します。

kubectl delete -f jax/bert/loadbalancer.yaml
kubectl delete -f jax/bert/serve-bert.yaml
kubectl delete -f jax/bert/install-bert.yaml

JAX Stable Diffusion E2E サービス提供デモを実行する

このデモでは、Hugging Face からの事前トレーニング済みのStable Diffusion モデルを使用します。

TPU 互換の TF2 保存済みモデルを Flax Stable Diffusion モデルからエクスポートする

Stable Diffusion モデルをエクスポートするには、クラスタの設定で説明されているように、クラスタに 16 GB 以上の利用可能なメモリを備えたマシンタイプの CPU ノードプールが必要です。

Kubernetes Pod は、次の手順を実行します。

サンプルリソースから Python スクリプト export_stable_diffusion_model.py をダウンロードして使用し、トレーニング済みの Stable Diffusion モデルを一時ディレクトリにダウンロードします。
Cloud TPU Converter イメージを使用して、事前トレーニング済みモデルを CPU から TPU に変換し、ストレージの設定中に作成した Cloud Storage バケットにモデルを保存します。

この Kubernetes Pod は、デフォルトの CPU ノードプールで実行するように構成されています。次のコマンドで Pod を実行します。

kubectl apply -f jax/stable-diffusion/install-stable-diffusion.yaml

以下のコマンドを使用して、モデルが正しくインストールされたことを確認します。

kubectl get pods install-stable-diffusion

STATUS が Completed を読み取るまでに数分かかる場合があります。

モデルの TF モデルサーバーコンテナを起動する

サンプルワークロードは、以下を前提として構成されています。

クラスタは 3 つのノードを持つ TPU v5 ノードプールで実行されている
ノードプールは ct5lp-hightpu-1t マシンタイプを使用している。ここで
- トポロジは 1x1
- TPU チップの数は 1

前述のものとは異なるクラスタ構成を使用している場合は、サーバー Deployment マニフェストを編集する必要があります。

Deployment を適用します。

kubectl apply -f jax/stable-diffusion/serve-stable-diffusion.yaml

サーバーが期待どおりに動作していることを確認します。

kubectl get deployment stable-diffusion-deployment

AVAILABLE が 3 を読み取るまでに 1 分ほどかかることがあります。

ロードバランササービスを適用します。

kubectl apply -f jax/stable-diffusion/loadbalancer.yaml

以下のコマンドを使用して、ロードバランサが外部トラフィックに対して準備ができていることを確認します。

kubectl get svc tf-stable-diffusion-service

EXTERNAL_IP に IP が表示されるまでには数分かかる場合があります。

モデルサーバーにリクエストを送信する

ロードバランサから外部 IP を取得します。

EXTERNAL_IP=$(kubectl get services tf-stable-diffusion-service --output jsonpath='{.status.loadBalancer.ingress[0].ip}')

サーバーにリクエストを送信するためのスクリプトを実行する

python3 jax/stable-diffusion/stable_diffusion_request.py $EXTERNAL_IP

予想される出力:

プロンプトが Painting of a squirrel skating in New York で、出力イメージが現在のディレクトリに stable_diffusion_images.jpg として保存されます。

クリーンアップ

リソースをクリーンアップするには、kubectl delete を逆順で実行します。

kubectl delete -f jax/stable-diffusion/loadbalancer.yaml
kubectl delete -f jax/stable-diffusion/serve-stable-diffusion.yaml
kubectl delete -f jax/stable-diffusion/install-stable-diffusion.yaml

TensorFlow ResNet 50 E2E サービス提供デモを実行します。

TF モデルサービスにリクエストを送信するチュートリアル Python スクリプトを実行するための Python 依存関係をインストールします。

pip install -r tf/resnet50/requirements.txt

ステップ 1: モデルを変換する

モデル変換を適用します。

kubectl apply -f tf/resnet50/model-conversion.yml

以下のコマンドを使用して、モデルが正しくインストールされたことを確認します。

kubectl get pods resnet-model-conversion

STATUS が Completed を読み取るまでに数分かかる場合があります。

ステップ 2: TensorFlow サービス提供でモデルを提供する

モデルサービス提供の Deployment を適用します。

kubectl apply -f tf/resnet50/deployment.yml

次のコマンドを使用して、サーバーが想定どおりに動作していることを確認します。

kubectl get deployment resnet-deployment

AVAILABLE が 3 を読み取るまでに 1 分ほどかかることがあります。

ロードバランササービスを適用します。

kubectl apply -f tf/resnet50/loadbalancer.yml

以下のコマンドを使用して、ロードバランサが外部トラフィックに対して準備ができていることを確認します。

kubectl get svc resnet-service

EXTERNAL_IP に IP が表示されるまでには数分かかる場合があります。

ステップ 3: テストリクエストをモデルサーバーに送信する

ロードバランサから外部 IP を取得します。

EXTERNAL_IP=$(kubectl get services resnet-service --output jsonpath='{.status.loadBalancer.ingress[0].ip}')

テストリクエスト（HTTP）スクリプトを実行して、リクエストをモデルサーバーに送信します。

python3 tf/resnet50/request.py --host $EXTERNAL_IP

レスポンスは次のようになります。

Predict result: ['ImageNet ID: n07753592, Label: banana, Confidence: 0.94921875',
'ImageNet ID: n03532672, Label: hook, Confidence: 0.0223388672', 'ImageNet ID: n07749582,
Label: lemon, Confidence: 0.00512695312

ステップ 4: クリーンアップする

リソースをクリーンアップするには、次の kubectl delete コマンドを実行します。

kubectl delete -f tf/resnet50/loadbalancer.yml
kubectl delete -f tf/resnet50/deployment.yml
kubectl delete -f tf/resnet50/model-conversion.yml

それらが完了したら、GKE ノードプールとクラスタを削除します。

PyTorch モデルの推論とサービス提供

PyTorch モデルサービスにリクエストを送信する Python スクリプトを実行するために、Python 依存関係をインストールします。

pip install -r pt/densenet161/requirements.txt

TorchServe Densenet161 E2E サービス提供デモを実行します。

モデルアーカイブを生成します。
1. モデルアーカイブを適用します。
```
kubectl apply -f pt/densenet161/model-archive.yml
```
1. 以下のコマンドを使用して、モデルが正しくインストールされたことを確認します。
```
kubectl get pods densenet161-model-archive
```
STATUS が Completed を読み取るまでに数分かかる場合があります。
TorchServe でモデルを提供します。
1. モデルサービス提供の Deployment を適用します。
```
kubectl apply -f pt/densenet161/deployment.yml
```
2. 次のコマンドを使用して、サーバーが想定どおりに動作していることを確認します。
```
kubectl get deployment densenet161-deployment
```
  AVAILABLE が 3 を読み取るまでに 1 分ほどかかることがあります。
3. ロードバランササービスを適用します。
```
kubectl apply -f pt/densenet161/loadbalancer.yml
```
  以下のコマンドを使用して、ロードバランサが外部トラフィックに対して準備ができていることを確認します。
```
kubectl get svc densenet161-service
```
  EXTERNAL_IP に IP が表示されるまでには数分かかる場合があります。

テストリクエストをモデルサーバーに送信します。

ロードバランサから外部 IP を取得します。

EXTERNAL_IP=$(kubectl get services densenet161-service --output jsonpath='{.status.loadBalancer.ingress[0].ip}')

テストリクエストスクリプトを実行して、リクエスト（HTTP）をモデルサーバーに送信します。

python3 pt/densenet161/request.py --host $EXTERNAL_IP

次のようなレスポンスが表示されます。

Request successful. Response: {'tabby': 0.47878125309944153, 'lynx': 0.20393909513950348, 'tiger_cat': 0.16572578251361847, 'tiger': 0.061157409101724625, 'Egyptian_cat': 0.04997897148132324

次の kubectl delete コマンドを実行してリソースをクリーンアップします。
```
kubectl delete -f pt/densenet161/loadbalancer.yml
kubectl delete -f pt/densenet161/deployment.yml
kubectl delete -f pt/densenet161/model-archive.yml
```
それらが完了したら、GKE ノードプールとクラスタを削除します。

一般的な問題のトラブルシューティング

GKE のトラブルシューティング情報については、GKE での TPU のトラブルシューティングをご覧ください。

TPU の初期化に失敗した

次のエラーが発生した場合は、TPU コンテナを特権モードで実行しているか、コンテナ内で ulimit を増やしていることを確認してください。詳細については、特権モードなしでの実行をご覧ください。

TPU platform initialization failed: FAILED_PRECONDITION: Couldn't mmap: Resource
temporarily unavailable.; Unable to create Node RegisterInterface for node 0,
config: device_path:      "/dev/accel0" mode: KERNEL debug_data_directory: ""
dump_anomalies_only: true crash_in_debug_dump: false allow_core_dump: true;
could not create driver instance

スケジューリングのデッドロック

2 つのジョブ（ジョブ A とジョブ B）があり、両方が特定の TPU トポロジ（たとえば、v4-32）を持つ TPU スライスでスケジューリングされるとします。また、GKE クラスタ内に 2 つの v4-32 TPU スライスがあり、これをスライス X とスライス Y と呼ぶことにします。クラスタには両方のジョブをスケジュールするのに十分な容量があるため、理論的には、両方のジョブをすばやくスケジュールする必要があります。2 つの TPU v4-32 スライスのそれぞれに 1 つのジョブが必要です。

ただし、慎重に計画しないと、スケジューリングのデッドロックが発生することがあります。Kubernetes スケジューラがジョブ A から 1 つの Pod をスライス X でスケジュールし、その後、Pod B の 1 つの Pod をスライス X でスケジュールするとします。この場合、ジョブ A の Pod アフィニティルールが指定されると、スケジューラはジョブ A の残りのすべての Pod をスライス X でスケジューリングしようとします。ジョブ B についても同じです。したがって、ジョブ A とジョブ B のどちらも、単一のスライスで完全にスケジュールすることはできません。結果はスケジューリングのデッドロックになります。

スケジューリングのデッドロックのリスクを回避するために、次の例のように、cloud.google.com/gke-nodepool を topologyKey として Pod アンチアフィニティを使用できます。

apiVersion: batch/v1
kind: Job
metadata:
 name: pi
spec:
 parallelism: 2
 template:
   metadata:
     labels:
       job: pi
   spec:
     affinity:
       podAffinity:
         requiredDuringSchedulingIgnoredDuringExecution:
         - labelSelector:
             matchExpressions:
             - key: job
               operator: In
               values:
               - pi
           topologyKey: cloud.google.com/gke-nodepool
       podAntiAffinity:
         requiredDuringSchedulingIgnoredDuringExecution:
         - labelSelector:
             matchExpressions:
             - key: job
               operator: NotIn
               values:
               - pi
           topologyKey: cloud.google.com/gke-nodepool
           namespaceSelector:
             matchExpressions:
             - key: kubernetes.io/metadata.name
               operator: NotIn
               values:
               - kube-system
     containers:
     - name: pi
       image: perl:5.34.0
       command: ["sleep",  "60"]
     restartPolicy: Never
 backoffLimit: 4

Terraform を使用した TPU ノードプールリソースの作成

Terraform を使用して、クラスタとノードプールのリソースを管理することもできます。

既存の GKE クラスタにマルチホスト TPU スライスノードプールを作成する

マルチホスト TPU ノードプールを作成する既存のクラスタがある場合は、次の Terraform スニペットを使用できます。

resource "google_container_cluster" "cluster_multi_host" {
  …
  release_channel {
    channel = "RAPID"
  }
  workload_identity_config {
    workload_pool = "my-gke-project.svc.id.goog"
  }
  addons_config {
    gcs_fuse_csi_driver_config {
      enabled = true
    }
  }
}

resource "google_container_node_pool" "multi_host_tpu" {
  provider           = google-beta
  project            = "${project-id}"
  name               = "${node-pool-name}"
  location           = "${location}"
  node_locations     = ["${node-locations}"]
  cluster            = google_container_cluster.cluster_multi_host.name
  initial_node_count = 2

  node_config {
    machine_type = "ct4p-hightpu-4t"
    reservation_affinity {
      consume_reservation_type = "SPECIFIC_RESERVATION"
      key = "compute.googleapis.com/reservation-name"
      values = ["${reservation-name}"]
    }
    workload_metadata_config {
      mode = "GKE_METADATA"
    }
  }

  placement_policy {
    type = "COMPACT"
    tpu_topology = "2x2x2"
  }
}

次の値を置き換えます。

your-project: ワークロードを実行している Google Cloud プロジェクト。
your-node-pool: 作成するノードプールの名前。
us-central2: ワークロードを実行しているリージョン。
us-central2-b: ワークロードを実行しているゾーン。
your-reservation-name: 予約の名前。

既存の GKE クラスタに単一ホストの TPU スライスノードプールを作成する

次の Terraform スニペットを使用します。

resource "google_container_cluster" "cluster_single_host" {
  …
  cluster_autoscaling {
    autoscaling_profile = "OPTIMIZE_UTILIZATION"
  }
  release_channel {
    channel = "RAPID"
  }
  workload_identity_config {
  workload_pool = "${project-id}.svc.id.goog"
  }
  addons_config {
    gcs_fuse_csi_driver_config {
      enabled = true
    }
  }
}

resource "google_container_node_pool" "single_host_tpu" {
  provider           = google-beta
  project            = "${project-id}"
  name               = "${node-pool-name}"
  location           = "${location}"
  node_locations     = ["${node-locations}"]
  cluster            = google_container_cluster.cluster_single_host.name
  initial_node_count = 0
  autoscaling {
    total_min_node_count = 2
    total_max_node_count = 22
    location_policy      = "ANY"
  }

  node_config {
    machine_type = "ct4p-hightpu-4t"
    workload_metadata_config {
      mode = "GKE_METADATA"
    }
  }
}

次の値を置き換えます。

your-project: ワークロードを実行している Google Cloud プロジェクト。
your-node-pool: 作成するノードプールの名前。
us-central2: ワークロードを実行しているリージョン。
us-central2-b: ワークロードを実行しているゾーン。

GKE の TPU の概要

ノードプールの種類

マルチホスト TPU スライス ノードプール

単一ホスト TPU スライス ノードプール

GKE ノードプールの TPU マシンタイプ

v5e

v4 と v5p

既知の問題と制限事項

十分な TPU 割り当てと GKE 割り当てを確保する

TPU 予約を移行する

Google Kubernetes Engine クラスタを作成する

TPU ノードプールを作成する

特権モードなしでの実行

TPU ノードでワークロードを実行する

ノードセレクタ

ワークロードのスケジューリングに関する考慮事項

TPU ノードの修復

マルチスライス - 単一スライス以外

トレーニング ワークロードのチュートリアル

チュートリアルのリソースをダウンロードする

クラスタを作成して接続する

Hugging Face FLAX Models: Pokémon 上で Diffusion をトレーニングする

Docker イメージを作成する

ワークロードをデプロイする

クリーンアップ

PyTorch/XLA: WikiText 上の GPT2

Docker イメージを作成する

ワークロードをデプロイする

クリーンアップ

チュートリアル: 単一ホストの推論ワークロード

サーバーの Deployment の例

設定

Python 環境を設定する

クラスタを設定する

モデル ストレージを設定する

JAX モデルの推論とサービス提供

JAX BERT E2E サービス提供デモを実行します。

モデルの TF モデルサーバーを起動する

Deployment を適用する

ロードバランサ サービスを適用する

モデルサーバーにリクエストを送信する

クリーンアップ

JAX Stable Diffusion E2E サービス提供デモを実行する

TPU 互換の TF2 保存済みモデルを Flax Stable Diffusion モデルからエクスポートする

モデルの TF モデルサーバー コンテナを起動する

モデルサーバーにリクエストを送信する

クリーンアップ

TensorFlow ResNet 50 E2E サービス提供デモを実行します。

ステップ 1: モデルを変換する

ステップ 2: TensorFlow サービス提供でモデルを提供する

ステップ 3: テストリクエストをモデルサーバーに送信する

ステップ 4: クリーンアップする

PyTorch モデルの推論とサービス提供

TorchServe Densenet161 E2E サービス提供デモを実行します。

一般的な問題のトラブルシューティング

TPU の初期化に失敗した

スケジューリングのデッドロック

Terraform を使用した TPU ノードプール リソースの作成

既存の GKE クラスタにマルチホスト TPU スライス ノードプールを作成する

既存の GKE クラスタに単一ホストの TPU スライス ノードプールを作成する

マルチホスト TPU スライスノードプール

単一ホスト TPU スライスノードプール

トレーニングワークロードのチュートリアル

モデルストレージを設定する

ロードバランササービスを適用する

モデルの TF モデルサーバーコンテナを起動する

Terraform を使用した TPU ノードプールリソースの作成

既存の GKE クラスタにマルチホスト TPU スライスノードプールを作成する

既存の GKE クラスタに単一ホストの TPU スライスノードプールを作成する