排查 Cloud TPU 错误和性能问题

这些问题排查文档介绍了在通过 Cloud TPU 使用 TensorFlow、JAX 和 PyTorch 时可能会看到的错误条件和性能问题。

使用 Stacktrace 进行监控介绍了如何创建基于日志的指标，该指标可用于创建提醒和直观显示信息中心以帮助调试错误和性能问题。

如果您无法确定您看到的问题是否特定于特定框架，请从 TensorFlow - TPU 问题排查开始。

使用 Stacktrace 进行监控

• 使用 Stackdriver 进行监控

  创建基于日志的指标、提醒和直观呈现信息中心，以帮助调试错误和性能问题。

TensorFlow - TPU 问题排查

• Cloud TPU 上的 TensorFlow - TPU 模型的问题排查

  识别并解决在 Cloud TPU 上训练 TensorFlow 模型时可能遇到的问题。

PyTorch - TPU 问题排查

• Cloud TPU 上的 PyTorch - TPU 模型的问题排查

  确定并解决在 Cloud TPU 上训练 PyTorch 模型时可能遇到的问题。

排查 JAX 问题 - TPU

• Cloud TPU 上的 JAX - TPU 模型的问题排查

  找出并解决在 Cloud TPU 上训练 JAX 模型时可能遇到的问题。