Entrena DLRM y DCN en Cloud TPU (TF 2.x)

En este instructivo, se muestra cómo entrenar modelos de clasificación DLRM y DCN v2 que se pueden usar para tareas como la predicción de tasa de clics (CTR). Consulta la nota en Configuración para ejecutar el modelo DLRM o DCN a fin de ver cómo configurar parámetros para entrenar un modelo de clasificación DLRM o DCN v2.

Las entradas del modelo son atributos numéricos y categóricos, y el resultado es un escalar (por ejemplo, la probabilidad de clic). El modelo se puede entrenar y evaluar en Cloud TPU. Los modelos de clasificación profunda consumen mucha memoria (para incorporar tablas o búsquedas) y de procesamiento intensivo para redes profundas (MLP). Las TPU están diseñadas para ambos.

El modelo usa una capa TPUEmbedding para atributos categóricos. Las incorporaciones de TPU admiten tablas de incorporación grandes con búsqueda rápida. El tamaño de las tablas de incorporación se escala de forma lineal con el tamaño de un pod de TPU. Se pueden usar tablas de incorporación de hasta 90 GB para TPU v3-8, 5.6 TB para un pod v3-512 y 22.4 TB para un pod de TPU v3-2048.

El código del modelo se encuentra en la biblioteca de recomendadores de TensorFlow, mientras que la canalización de entrada, la configuración y el bucle de entrenamiento se describen en el Jardín del modelo de TensorFlow.

Objetivos

  • Establece el entorno de entrenamiento
  • Ejecuta el trabajo de entrenamiento con datos sintéticos
  • Verifica los resultados de salida

Costos

En este instructivo, se usan componentes facturables de Google Cloud, que incluyen los siguientes:

  • Compute Engine
  • Cloud TPU
  • Cloud Storage

Usa la calculadora de precios para generar una estimación de los costos según el uso previsto. Los usuarios nuevos de Google Cloud pueden ser elegibles para obtener una prueba gratuita.

Antes de comenzar

Antes de comenzar este instructivo, verifica que tu proyecto de Google Cloud esté configurado correctamente.

  1. Accede a tu cuenta de Google Cloud. Si eres nuevo en Google Cloud, crea una cuenta para evaluar el rendimiento de nuestros productos en situaciones reales. Los clientes nuevos también obtienen $300 en créditos gratuitos para ejecutar, probar y, además, implementar cargas de trabajo.
  2. En la página del selector de proyectos de Google Cloud Console, selecciona o crea un proyecto de Google Cloud.

    Ir al selector de proyectos

  3. Asegúrate de que la facturación esté habilitada para tu proyecto de Cloud. Descubre cómo confirmar que tienes habilitada la facturación en un proyecto.

  4. En la página del selector de proyectos de Google Cloud Console, selecciona o crea un proyecto de Google Cloud.

    Ir al selector de proyectos

  5. Asegúrate de que la facturación esté habilitada para tu proyecto de Cloud. Descubre cómo confirmar que tienes habilitada la facturación en un proyecto.

  6. En esta explicación, se usan componentes facturables de Google Cloud. Consulta la página de precios de Cloud TPU para calcular los costos. Asegúrate de limpiar los recursos que crees cuando hayas terminado de usarlos para evitar cargos innecesarios.

Configura tus recursos

En esta sección, se proporciona información sobre la configuración del bucket de Cloud Storage, la VM y los recursos de Cloud TPU que se usan en este instructivo.

  1. Abre una ventana de Cloud Shell.

    Abrir Cloud Shell

  2. Crea una variable para el ID de tu proyecto.

    export PROJECT_ID=project-id
    
  3. Configura la herramienta de línea de comandos gcloud para usar el proyecto en el que deseas crear Cloud TPU.

    gcloud config set project ${PROJECT_ID}
    

    La primera vez que ejecutes este comando en una VM de Cloud Shell nueva, se mostrará la página Authorize Cloud Shell. Haz clic en Authorize en la parte inferior de la página para permitir que gcloud realice llamadas a la API de GCP con tus credenciales.

  4. Crea una cuenta de servicio para el proyecto de Cloud TPU.

    gcloud beta services identity create --service tpu.googleapis.com --project $PROJECT_ID
    

    El comando muestra una cuenta de servicio de Cloud TPU con el siguiente formato:

    service-PROJECT_NUMBER@cloud-tpu.iam.gserviceaccount.com
    

  5. Crea un bucket de Cloud Storage mediante el siguiente comando, en el que la opción -l especifica la región en la que se debe crear el bucket. Consulta los tipos y zonas para obtener más detalles sobre las zonas y regiones:

    gsutil mb -p ${PROJECT_ID} -c standard -l europe-west4 gs://bucket-name
    

    Este bucket de Cloud Storage almacena los datos que usas para entrenar tu modelo y los resultados del entrenamiento. Con la herramienta gcloud compute tpus execution-groups que se usa en este instructivo, se configuran los permisos predeterminados para la cuenta de servicio de Cloud TPU que configuraste en el paso anterior. Si quieres contar con permisos más detallados, revisa los permisos de nivel de acceso.

    La ubicación del bucket debe estar en la misma región que tu Compute Engine (VM) y tu nodo de Cloud TPU.

  6. Inicia una VM de Compute Engine y Cloud TPU con el comando gcloud.

    $ gcloud compute tpus execution-groups create \
     --vm-only \
     --name=dlrm-dcn-tutorial \
     --zone=zone \
     --disk-size=300 \
     --machine-type=n1-standard-8 \
     --tf-version=2.6.0
    

    Descripciones de las marcas de comandos

    vm-only
    Crea solo una VM. De forma predeterminada, el comando gcloud compute tpus execution-groups crea una VM y una Cloud TPU.
    name
    El nombre de la Cloud TPU para crear.
    zone
    Es la zona en la que deseas crear la Cloud TPU.
    disk-size
    El tamaño del disco duro en GB de la VM creada con el comando gcloud compute tpus execution-groups.
    machine-type
    El tipo de máquina de la VM de Compute Engine que se creará.
    tf-version
    La versión de Tensorflow ctpu se instala en la VM.

    Cuando el comando gcloud compute tpus execution-groups termine de ejecutarse, verifica que el indicador de shell haya cambiado de username@projectname a username@vm-name. Este cambio indica que accediste a tu VM de Compute Engine.

    Si no estás conectado a la instancia de Compute Engine, puedes conectarte mediante la ejecución del siguiente comando:

    gcloud compute ssh dlrm-dcn-tutorial --zone=zone
    

    Mientras sigues estas instrucciones, ejecuta cada comando que comience con (vm)$ en tu instancia de Compute Engine.

Configura las variables de bucket de Cloud Storage

Configura las variables de entorno siguientes y reemplaza bucket-name por el nombre del depósito de Cloud Storage:

(vm)$ export STORAGE_BUCKET=gs://bucket-name
(vm)$ export TPU_NAME=dlrm-dcn-tutorial
(vm)$ export PYTHONPATH="$PYTHONPATH:/usr/share/models/"
(vm)$ export EXPERIMENT_NAME=dlrm-exp

La aplicación de entrenamiento espera que tus datos de entrenamiento sean accesibles en Cloud Storage. La aplicación de entrenamiento también usa tu bucket de Cloud Storage para almacenar puntos de control durante el entrenamiento.

La configuración para ejecutar el modelo DLRM o DCN con datos sintéticos

El modelo se puede entrenar en varios conjuntos de datos. Dos de los más usados son Criteo Terabyte y Criteo Kaggle. En este instructivo, se entrena en datos sintéticos mediante la configuración de la marca use_synthetic_data=True.

El conjunto de datos sintéticos solo es útil para comprender cómo usar Cloud TPU y validar el rendimiento de extremo a extremo. Los números de exactitud y el modelo guardado no serán significativos.

Visita los sitios web de Criteo Terabyte y Criteo Kaggle para obtener información sobre cómo descargarlos y procesarlos de forma previa. conjuntos de datos.

  1. Inicia un recurso de Cloud TPU con el comando gcloud.

    (vm)$ gcloud compute tpus execution-groups create \
     --tpu-only \
     --accelerator-type=v3-8  \
     --name=dlrm-dcn-tutorial \
     --zone=zone \
     --tf-version=2.6.0
    

    Descripciones de las marcas de comandos

    tpu-only
    Crea la Cloud TPU sin crear una VM. De forma predeterminada, el comando gcloud compute tpus execution-groups crea una VM y una Cloud TPU.
    accelerator-type
    El tipo de Cloud TPU que se creará.
    name
    El nombre de la Cloud TPU para crear.
    zone
    Es la zona en la que deseas crear la Cloud TPU.
    tf-version
    La versión de Tensorflow gcloud se instala en la VM.
  2. Instala un paquete obligatorio.

    (vm)$ pip install tensorflow-recommenders
    
  3. Ejecuta la secuencia de comandos de entrenamiento. Esto usa un conjunto de datos falso similar a Criteo para entrenar el modelo DLRM. El entrenamiento demora aproximadamente 20 minutos.

python3 /usr/share/models/official/recommendation/ranking/train.py --mode=train_and_eval \
--model_dir=${STORAGE_BUCKET}/model_dirs/${EXPERIMENT_NAME} --params_override="
runtime:
    distribution_strategy: 'tpu'
task:
    use_synthetic_data: true
    train_data:
        input_path: '${DATA_DIR}/train/*'
        global_batch_size: 16384
    validation_data:
        input_path: '${DATA_DIR}/eval/*'
        global_batch_size: 16384
    model:
        num_dense_features: 13
        bottom_mlp: [512,256,64]
        embedding_dim: 64
        top_mlp: [1024,1024,512,256,1]
        interaction: 'dot'
        vocab_sizes: [39884406, 39043, 17289, 7420, 20263, 3, 7120, 1543, 63,
            38532951, 2953546, 403346, 10, 2208, 11938, 155, 4, 976, 14,
            39979771, 25641295, 39664984, 585935, 12972, 108, 36]
trainer:
    use_orbit: false
    validation_interval: 1000
    checkpoint_interval: 1000
    validation_steps: 500
    train_steps: 1000
    steps_per_loop: 1000
"

Descripciones de las marcas de comandos

use_orbit
Determina si se debe usar la biblioteca de Orbit para entrenamiento o las API de Keras para compilación o ajuste.
train_steps
Es la cantidad de pasos usados para entrenar el modelo.
validation_steps
Es la cantidad de pasos usados para ejecutar la evaluación.
validation_interval
La cantidad de pasos de entrenamiento que se deben ejecutar entre las evaluaciones debe ser <= training_steps.
steps_per_loop
Es la cantidad de pasos por bucle de modo de gráfico. Esto reduce la comunicación en un contexto ávido.

Este entrenamiento se ejecuta durante unos 10 minutos en una TPU v3-8. Cuando se complete, verá mensajes similares a los siguientes:

I0621 21:32:58.519792 139675269142336 tpu_embedding_v2_utils.py:907] Done with log of TPUEmbeddingConfiguration.
I0621 21:32:58.540874 139675269142336 tpu_embedding_v2.py:389] Done initializing TPU Embedding engine.
1000/1000 [==============================] - 335s 335ms/step - auc: 0.7360 - accuracy: 0.6709 - prediction_mean: 0.4984
- label_mean: 0.4976 - loss: 0.0734 - regularization_loss: 0.0000e+00 - total_loss: 0.0734 - val_auc: 0.7403
- val_accuracy: 0.6745 - val_prediction_mean: 0.5065 - val_label_mean: 0.4976 - val_loss: 0.0749
- val_regularization_loss: 0.0000e+00 - val_total_loss: 0.0749

Model: "ranking"
_________________________________________________________________
Layer (type)                 Output Shape              Param #
=================================================================
tpu_embedding (TPUEmbedding) multiple                  1
_________________________________________________________________
mlp (MLP)                    multiple                  154944
_________________________________________________________________
mlp_1 (MLP)                  multiple                  2131969
_________________________________________________________________
dot_interaction (DotInteract multiple                  0
_________________________________________________________________
ranking_1 (Ranking)          multiple                  0
=================================================================
Total params: 2,286,914
Trainable params: 2,286,914
Non-trainable params: 0
_________________________________________________________________
I0621 21:43:54.977140 139675269142336 train.py:177] Train history: {'auc': [0.7359596490859985],
'accuracy': [0.67094486951828], 'prediction_mean': [0.4983849823474884], 'label_mean': [0.4975697994232178],
'loss': [0.07338511198759079], 'regularization_loss': [0], 'total_loss': [0.07338511198759079],
'val_auc': [0.7402724623680115], 'val_accuracy': [0.6744520664215088], 'val_prediction_mean': [0.5064718723297119],
'val_label_mean': [0.4975748658180237], 'val_loss': [0.07486172765493393],
'val_regularization_loss': [0], 'val_total_loss': [0.07486172765493393]}

Limpia

Para evitar que se apliquen cargos a tu cuenta de Google Cloud por los recursos usados en este instructivo, borra el proyecto que contiene los recursos o conserva el proyecto y borra los recursos individuales.

  1. Desconéctate de la instancia de Compute Engine, si aún no lo hiciste:

    (vm)$ exit
    

    El mensaje ahora debería mostrar username@projectname, que indica que estás en Cloud Shell.

  2. En Cloud Shell, usa el siguiente comando para borrar tu VM de Compute Engine y Cloud TPU:

    $ gcloud compute tpus execution-groups delete dlrm-dcn-tutorial \
      --zone=zone
    
  3. Ejecuta gcloud compute tpus execution-groups list para verificar que los recursos se hayan borrado. La eliminación puede tomar varios minutos. Una respuesta como la que se muestra a continuación indica que tus instancias se borraron de forma correcta.

    $ gcloud compute tpus execution-groups list \
     --zone=zone
    

    Deberías ver una lista vacía de TPU como la que se muestra a continuación:

       NAME             STATUS
    
  4. Borra tu bucket de Cloud Storage con gsutil como se muestra a continuación. Reemplaza bucket-name por el nombre del bucket de Cloud Storage.

    $ gsutil rm -r gs://bucket-name
    

¿Qué sigue?

En este instructivo, entrenó el modelo DLRM-DCN con un conjunto de datos de muestra. Los resultados de esta capacitación (en la mayoría de los casos) no se pueden usar para la inferencia. Para usar un modelo de inferencia, puedes entrenar los datos en un conjunto de datos disponible públicamente o en tu propio conjunto de datos. Los modelos entrenados en Cloud TPU requieren que los conjuntos de datos tengan el formato TFRecord.

Puedes usar la muestra de la herramienta de conversión de conjuntos de datos para convertir un conjunto de datos de clasificación de imágenes en formato TFRecord. Si no usas un modelo de clasificación de imágenes, deberás convertir tú mismo el conjunto de datos en formato TFRecord. Para obtener más información, consulta TFRecord y tf.Example.

Ajuste de hiperparámetros

Para mejorar el rendimiento del modelo con tu conjunto de datos, puedes ajustar los hiperparámetros del modelo. Puedes encontrar información sobre hiperparámetros comunes para todos los modelos compatibles con TPU en GitHub. La información sobre los hiperparámetros específicos del modelo se puede encontrar en el código fuente para cada modelo. Para obtener más información sobre el ajuste de hiperparámetros, consulta Descripción general del ajuste de hiperparámetros, Usa el servicio de ajuste de hiperparámetros y Ajusta los hiperparámetros.

Inferencia

Una vez que entrenaste tu modelo, puedes usarlo para la inferencia (también llamada predicción). AI Platform es una solución basada en la nube que sirve para desarrollar, entrenar e implementar modelos de aprendizaje automático. Una vez que se implementa un modelo, puedes usar el servicio de AI Platform Prediction.