在 Cloud TPU 上训练 EfficientNet

EfficientNet 模型是一系列图像分类模型,可实现领先的准确率,同时比其他模型更小巧、更快速。EfficientNet-EdgeTpu 模型经过定制,可在 Google EdgeTPU 设备上高效运行。

本教程中的模型基于《EfficientNet:重新思考卷积神经网络的模型扩缩》。 研究人员开发了一种新技术来提高模型性能:使用一个简单而高效的复合系数仔细平衡网络深度、宽度与分辨率。

efficientnet-b0efficientnet-b7 的模型系列可在 Google EdgeTPU 设备资源受限的情况下实现良好的图片分类准确率。

本教程中使用的 efficientnet-b0 模型对应最小的基本模型,而 efficientnet-b7 对应最强大、但需要大量计算的模型。本教程演示如何使用 TPUEstimator 训练模型。

目标

  • 创建 Cloud Storage 存储分区以保存数据集和模型输出。
  • 准备测试版 ImageNet 数据集,该数据集又称为 fake_imagenet 数据集。
  • 运行训练作业。
  • 验证输出结果。

费用

本教程使用 Google Cloud 的以下收费组件:

  • Compute Engine
  • Cloud TPU
  • Cloud Storage

请使用价格计算器根据您的预计使用情况来估算费用。 Google Cloud 新用户可能有资格申请免费试用

准备工作

在开始学习本教程之前,请检查您的 Google Cloud 项目是否已正确设置。

  1. 登录您的 Google 帐号。

    如果您还没有 Google 帐号,请注册一个新帐号

  2. 在 Cloud Console 的项目选择器页面上,选择或创建 Cloud 项目。

    转到项目选择器页面

  3. 确保您的 Google Cloud 项目已启用结算功能。 了解如何确认您的项目已启用结算功能

  4. 本演示使用 Google Cloud 的收费组件。请查看 Cloud TPU 价格页面估算您的费用。请务必在使用完您创建的资源以后清理这些资源,以免产生不必要的费用。

设置资源

本部分介绍如何为教程设置 Cloud Storage、虚拟机和 Cloud TPU 资源。

  1. 打开一个 Cloud Shell 窗口。

    打开 Cloud Shell

  2. 为项目 ID 创建一个变量。

    export PROJECT_ID=project-id
    
  3. 配置 gcloud 命令行工具,以使用要在其中创建 Cloud TPU 的项目。

    gcloud config set project ${PROJECT_ID}
    
  4. 使用以下命令创建 Cloud Storage 存储分区:

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

    此 Cloud Storage 存储分区存储您用于训练模型的数据和训练结果。本教程中使用的 ctpu up 工具会为 Cloud TPU 服务帐号设置默认权限。如果您需要更精细的权限,请查看访问级层权限

    存储分区位置必须与虚拟机 (VM) 和 TPU 节点位于同一区域。虚拟机和 TPU 节点位于特定地区,即区域内的细分。

  5. 使用 ctpu up 命令启动本教程所需的 Compute Engine 和 Cloud TPU 资源。

    ctpu up --zone=europe-west4-a \
      --vm-only \
      --disk-size-gb=300 \
      --machine-type=n1-standard-8 \
      --tf-version=1.15.3 \
      --name=efficientnet-tutorial
    

    如需详细了解 CTPU 实用程序,请参阅 CTPU 参考

  6. 在出现提示时,按 y 创建 Cloud TPU 资源。

    ctpu up 命令执行完毕后,验证 shell 提示符已从 username@projectname 更改为 username@vm-name。此变化表明您现已登录 Compute Engine 虚拟机。

    gcloud compute ssh efficientnet-tutorial --zone=europe-west4-a
    

    从现在开始,前缀 (vm)$ 表示您应该在 Compute Engine 虚拟机实例上运行该命令。

准备数据

设置以下环境变量,其中将 bucket-name 替换为 Cloud Storage 存储分区的名称:

  1. 为存储分区名称创建环境变量。将 bucket-name 替换为您的存储分区名称。

    (vm)$ export STORAGE_BUCKET=gs://bucket-name
    
  2. 创建一些其他环境变量。

    (vm)$ export MODEL_DIR=${STORAGE_BUCKET}/efficientnet
    (vm)$ export DATA_DIR=gs://cloud-tpu-test-datasets/fake_imagenet
    (vm)$ export TPU_NAME=efficientnet-tutorial
    (vm)$ export PYTHONPATH=$PYTHONPATH:/usr/share/tpu/models
    

训练应用应该能够访问 Cloud Storage 中的训练数据。在训练期间,训练应用还会使用您的 Cloud Storage 存储分区来存储检查点。

使用 fake_imagenet 来训练和评估 EfficientNet 模型

ImageNet 是一个图片数据库。数据库中的图片被整理为一个层次结构,该层次结构中的每个节点由成百上千个图片进行描述。

本教程使用演示版的完整 ImageNet 数据集,该数据集又称为 fake_imagenet。此演示版本可用于测试教程,同时降低通常与使用完整 ImageNet 数据库运行模型相关的存储和时间要求。

此 fake_imagenet 数据集位于 Cloud Storage 上的以下位置:

gs://cloud-tpu-test-datasets/fake_imagenet

此 fake_imagenet 数据集仅用于了解如何使用 Cloud TPU 并验证端到端性能。准确率数字和保存的模型并无实际意义。

如需了解如何下载和处理完整 ImageNet 数据集,请参阅下载、预处理和上传 ImageNet 数据集

  1. 使用 ctpu 实用程序启动 Cloud TPU 资源。

    (vm)$ ctpu up --tpu-only \
     --tf-version=1.15.3
     --name=${TPU_NAME}
    
  2. 导航到模型目录:

    (vm)$ cd /usr/share/tpu/models/official/efficientnet/
    
  3. 运行训练脚本。

    (vm)$ python3 main.py \
      --tpu=${TPU_NAME} \
      --data_dir=${DATA_DIR} \
      --model_dir=${MODEL_DIR} \
      --model_name='efficientnet-b0' \
      --skip_host_call=true \
      --train_batch_size=2048 \
      --train_steps=218948
    
    参数 说明
    tpu 用于指定 Cloud TPU 的名称。请注意,ctpu 会将此名称以环境变量 (TPU_NAME) 的形式传递给 Compute Engine 虚拟机。
    data_dir 用于指定训练输入的 Cloud Storage 路径。在此示例中,该路径设置为 fake_imagenet 数据集。
    model_dir 用于指定在模型训练期间存储检查点和摘要的目录。如果指定的文件夹不存在,此程序会自行创建相应文件夹。使用 Cloud TPU 时,model_dir 必须是 Cloud Storage 路径 (`gs://...`)。您可以重复使用现有的文件夹来加载当前检查点数据和存储其他检查点,只要先前的检查点是使用相同大小的 TPU 和 TensorFlow 版本创建的即可。

该过程会对 EfficientNet 模型(efficientnet-b0 变体)训练 350 个周期,并且每隔一定步数就会进行一次评估。使用指定的标志,该模型应该会在大约 23 小时内完成训练。使用真实的 imagenet 数据,该设置应该可以针对 ImageNet 验证数据集实现约 76.5% 的 top-1 准确率。最佳模型检查点和相应的评估结果位于模型目录中的 archive 文件夹中:${STORAGE_BUCKET}/efficientnet/archive

使用 Cloud TPU Pod 扩缩模型

您可以使用 Cloud TPU Pod 扩缩模型,以便更快获得结果。这一完全受支持的模型可与以下 Pod 切片配合使用:

  • v2-32
  • v3-32

使用 Cloud TPU Pod 时,首先使用 Pod 训练模型,然后使用单台 Cloud TPU 设备评估模型。

使用 Cloud TPU Pod 进行训练

  1. 删除为在单台设备上训练模型而创建的 Cloud TPU 资源。

    (vm)$ ctpu delete --tpu-only --name=efficientnet-tutorial
  2. 运行 ctpu up 命令,并使用 tpu-size 参数指定要使用的 Pod 切片。例如,以下命令使用 v2-32 Pod 切片。

    (vm)$ ctpu up --tpu-only \
      --tf-version=1.15.3 \
      --tpu-size=v2-32 \
      --name=efficientnet-tutorial-pod
    
  3. 为 TPU 名称创建环境变量。

    (vm)$ export TPU_NAME=efficientnet-tutorial-pod
    
  4. 更新 MODEL_DIR 目录以存储训练数据。

    (vm)$ export MODEL_DIR=${STORAGE_BUCKET}/efficientnet-tutorial-pod
    
  5. 训练模型。

    (vm)$ python3 main.py \
      --tpu=${TPU_NAME} \
      --data_dir=${DATA_DIR} \
      --model_dir=${MODEL_DIR} \
      --model_name='efficientnet-b3' \
      --skip_host_call=true \
      --mode=train \
      --train_steps=109474 \
      --train_batch_size=4096 \
      --iterations_per_loop=100
    

    参数 说明
    tpu 用于指定 Cloud TPU 的名称。请注意,ctpu 会将此名称以环境变量 (TPU_NAME) 的形式传递给 Compute Engine 虚拟机。
    data_dir 用于指定训练输入的 Cloud Storage 路径。在此示例中,该路径设置为 fake_imagenet 数据集。
    model_dir 用于指定在模型训练期间存储检查点和摘要的目录。如果指定的文件夹不存在,此程序会自行创建相应文件夹。使用 Cloud TPU 时,model_dir 必须是 Cloud Storage 路径 (gs://...)。您可以重复使用现有的文件夹来加载当前检查点数据和存储其他检查点,只要先前的检查点是使用相同大小的 TPU 和相同 Tensorflow 版本创建的即可。

该过程会对 EfficientNet 模型(efficientnet-b3 变体)训练 350 个周期。该模型应该可以针对 ImageNet 开发数据集实现 81.1% 的准确率,训练完成时间约为 20 小时。最佳模型检查点和相应的评估结果位于模型目录中的 archive 文件夹中:${STORAGE_BUCKET}/efficientnet/archive

评估模型

在这组步骤中,您将使用 Cloud TPU 针对 fake_imagenet 验证数据评估上述经过训练的模型。

  1. 删除您为在 Pod 上训练模型而创建的 Cloud TPU 资源。

    (vm)$ ctpu delete --tpu-only --name=efficientnet-tutorial-pod
  2. 启动 v2-8 Cloud TPU。 使用与 Compute Engine 虚拟机名称相同的名称,它应该仍在运行。

    (vm)$ ctpu up --tpu-only \
     --tf-version=1.15.3 \
     --name=efficientnet-tutorial-eval
    
  3. 为 TPU 名称创建环境变量。

    (vm)$ export TPU_NAME=efficientnet-tutorial-eval
    
  4. 运行模型评估。这一次,添加 mode 标志并将其设置为 eval

    (vm)$ python3 main.py \
       --tpu=${TPU_NAME} \
       --data_dir=${DATA_DIR} \
       --model_dir=${MODEL_DIR} \
       --model_name='efficientnet-b3' \
       --skip_host_call=true \
       --mode=eval
    

    这将生成如下所示的输出:

       Eval results: {'loss': 7.532023,
       'top_1_accuracy': 0.0010172526,
       'global_step': 100,
       'top_5_accuracy': 0.005065918}.
       Elapsed seconds: 88
    

清理

为避免因本教程中使用的资源导致您的 Google Cloud Platform 帐号产生费用,请执行以下操作:

  1. 删除您的 Cloud TPU。

    $ ctpu delete --tpu-only \
      --name=efficientnet-tutorial-eval \
      --zone=europe-west4-a
    
  2. 断开与 Compute Engine 实例的连接(如果您尚未这样做):

    (vm)$ exit
    

    您的提示符现在应为 username@projectname,表明您位于 Cloud Shell 中。

  3. 在您的 Cloud Shell 中,使用您在设置 Cloud TPU 时所用的 --zone 标志运行 ctpu delete,以删除 Compute Engine 虚拟机和 Cloud TPU:

    $ ctpu delete --name=efficientnet-tutorial \
      --zone=europe-west4-a
    
  4. 验证未分配任何实例,以避免产生不必要的 TPU 使用费。

    ctpu status --zone=europe-west4-a
    

    删除资源可能需要几分钟时间。如下所示的响应表明不再有已分配的实例:

    2018/04/28 16:16:23 WARNING: Setting zone to "europe-west4-a"
    No instances currently exist.
            Compute Engine VM:     --
            Cloud TPU:             --
    
  5. 如下所示,运行 gsutil,将 bucket-name 替换为您为本教程创建的 Cloud Storage 存储分区的名称:

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

后续步骤

在本教程中,您已使用示例数据集训练 EfficientNet 模型。此训练的结果(在大多数情况下)不能用于推断。要使用模型进行推断,您可以在公开提供的数据集或您自己的数据集上训练数据。在 Cloud TPU 上训练的模型要求数据集采用 TFRecord 格式。

您可以使用数据集转换工具示例将图片分类数据集转换为 TFRecord 格式。如果您未使用图片分类模型,则必须自行将数据集转换为 TFRecord 格式。如需了解详情,请参阅 TFRecord 和 tf.Example

超参数调节

如需使用数据集提升模型的性能,您可以调节模型的超参数。您可以在 GitHub 上寻找所有 TPU 支持模型通用的超参数的相关信息。您可以在每个模型的源代码中寻找模型专用超参数的相关信息。如需详细了解超参数调节,请参阅超参数调节概览使用超参数调节服务调节超参数

推理

训练模型后,您可以使用该模型进行推断(也称为预测)。AI Platform 是一款基于云的解决方案,用于开发、训练部署机器学习模型。部署模型后,您可以使用 AI Platform Prediction 服务