Como treinar o MnasNet na Cloud TPU

Neste tutorial, você verá como treinar o modelo Tensorflow MnasNet usando um dispositivo Cloud TPU ou uma fatia do pod do Cloud TPU (vários dispositivos TPU). É possível aplicar o mesmo padrão a outros modelos de classificação de imagem otimizados para TPU que usam o TensorFlow e o conjunto de dados do ImageNet.

Descrição do modelo

O modelo deste tutorial é baseado no MnasNet: Platform-Aware Neural Architecture Search for Mobile, que primeiro introduz a arquitetura de rede neural móvel do AutoML (MnasNet). Este tutorial usa a variante de última geração, 'mnasnet-a1', e demonstra o treinamento do modelo usando o TPUEstimator.

Considerações especiais ao treinar em uma fração do pod (v2-32/v3-32 e acima)

Se você planeja treinar em uma fatia de pod de TPU, leia este documento que explica as considerações especiais ao treinar em uma parte de pod.

Objetivos

Criar um bucket do Cloud Storage para armazenar o conjunto de dados e a saída do modelo.
Executar o job de treinamento.
Verificar os resultados da saída.

Custos

Neste tutorial, há componentes faturáveis do Google Cloud, entre eles:

Compute Engine
Cloud TPU
Cloud Storage

Use a calculadora de preços para gerar uma estimativa de custos baseada na projeção de uso.

Novos usuários do Google Cloud podem estar qualificados para uma avaliação gratuita.

Antes de começar

Antes de começar o tutorial, verifique se o projeto do Google Cloud foi configurado corretamente.

Faça login na sua conta do Google.
Se você ainda não tiver uma, inscreva-se.

No Console do Google Cloud, na página do seletor de projetos, selecione ou crie um projeto do Google Cloud.

Observação: se você não pretende manter os recursos criados neste procedimento, crie um projeto novo em vez de selecionar um que já existe. Depois de concluir essas etapas, é possível excluir o projeto. Para fazer isso, basta remover todos os recursos associados a ele.

Acessar a página do seletor de projetos

Verifique se o faturamento está ativado para seu projeto na nuvem. Saiba como confirmar se o faturamento está ativado para o projeto.

Este tutorial usa componentes faturáveis do Google Cloud. Consulte a página de preços da Cloud TPU para fazer uma estimativa dos custos. Para evitar cobranças desnecessárias, não se esqueça de apagar os recursos criados ao terminar de usá-los.

Configurar os recursos

Nesta seção, você verá como configurar os recursos do Cloud Storage, da VM e do Cloud TPU para tutoriais.

Abra uma janela do Cloud Shell.

Abrir o Cloud Shell
Crie uma variável para o ID do seu projeto.
```
export PROJECT_ID=project-id
```
Configure a ferramenta de linha de comando gcloud para usar o projeto em que a Cloud TPU será criada.
```
gcloud config set project ${PROJECT_ID}
```
Na primeira vez que você executar esse comando em uma nova VM do Cloud Shell, será exibida uma página Authorize Cloud Shell. Clique em Authorize na parte inferior da página para permitir que gcloud faça chamadas de API do GCP com suas credenciais.

Crie uma conta de serviço para o projeto da Cloud TPU.

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

O comando retorna uma conta de serviço do Cloud TPU com o formato a seguir:

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

Crie um bucket do Cloud Storage usando o seguinte comando: Substitua bucket-name por um nome para o bucket.
```
gsutil mb -p ${PROJECT_ID} -c standard -l europe-west4 -b on gs://bucket-name
```
Esse bucket do Cloud Storage armazena os dados usados para treinar o modelo e os resultados do treinamento. A ferramenta ctpu up usada neste tutorial configura permissões padrão para a conta de serviço da Cloud TPU. Caso queira permissões mais específicas, consulte as permissões de nível de acesso.

O local do bucket precisa estar na mesma região da máquina virtual (VM) e do nó da TPU. As VMs e os nós da TPU estão localizados em zonas específicas, que são subdivisões dentro de uma região.
Inicie os recursos do Compute Engine necessários para este tutorial usando o comando ctpu up.

Observação: neste tutorial, usamos o TensorFlow 1.15.5, que é baseado na imagem do Debian 10 e o padrão do Python 3.6 é usado. As versões anteriores do TensorFlow 1.15.x eram baseadas no Debian 9 e são padrão para o Python 3.5.
```
ctpu up --project=${PROJECT_ID} \
  --zone=europe-west4-a \
  --vm-only \
  --disk-size-gb=300 \
  --machine-type=n1-standard-8 \
  --tf-version=1.15.5 \
  --name=mnasnet-tutorial
```
Descrições de sinalizações de comando

project

o ID do projeto do GCP

zone

A zona em que você planeja criar a Cloud TPU.

vm-only

Cria a VM sem criar uma Cloud TPU. Por padrão, o comando ctpu up cria uma VM e uma Cloud TPU.

disk-size-gb

O tamanho do disco rígido em GB da VM criada pelo comando ctpu up .

machine-type

O tipo de máquina da VM do Compute Engine a ser criado.

tf-version

A versão do ctpu do Tensorflow é instalada na VM.

name

O nome da Cloud TPU a ser criada.

Para mais informações sobre o utilitário do CTPU, consulte Referência do CTPU.
Quando solicitado, pressione y para criar os recursos da Cloud TPU.

Observação: a primeira vez que você executar ctpu up em um projeto, ele levará cerca de cinco minutos para realizar tarefas de inicialização, como propagação de chave SSH e ativação de API.

Quando o comando ctpu up terminar a execução, verifique se o prompt do shell foi alterado de username@projectname para username@vm-name. Essa alteração mostra que você fez login na VM do Compute Engine. Caso não esteja conectado à instância do Compute Engine, execute o seguinte comando:
```
gcloud compute ssh mnasnet-tutorial --zone=europe-west4-a
```
Daqui em diante, o prefixo (vm)$ significa que é preciso executar o comando na instância de VM do Compute Engine.
Crie uma variável de ambiente para o bucket de armazenamento. Substitua bucket-name pelo nome do seu bucket no Cloud Storage.
```
(vm)$ export STORAGE_BUCKET=gs://bucket-name
```
Crie uma variável de ambiente para o diretório de modelos.
```
(vm)$ export MODEL_DIR=${STORAGE_BUCKET}/mnasnet
```

Adicione a pasta de nível superior /models ao caminho do Python com o comando

(vm)$ export PYTHONPATH=${PYTHONPATH}:/usr/share/tpu/models:/usr/share/tpu/models/official/efficientnet

Localizar os dados

O ImageNet é um banco de dados de imagens. As imagens no banco de dados são organizadas em uma hierarquia; cada nó da hierarquia contém centenas e milhares de imagens.

Neste tutorial, usamos uma versão de demonstração do conjunto de dados completo do ImageNet, conhecido como fake_imagenet. Essa versão de demonstração permite testar os tutoriais e reduzir os requisitos de tempo e armazenamento normalmente associados à execução de um modelo com o conjunto de dados completo do ImageNet.

O conjunto de dados do fake_imagenet está neste local no Cloud Storage:

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

Crie uma variável de ambiente para o diretório de dados.

(vm)$ export DATA_DIR=gs://cloud-tpu-test-datasets/fake_imagenet

O conjunto de dados do fake_imagenet é útil apenas para entender como usar um Cloud TPU e validar o desempenho de ponta a ponta. Os números de acurácia e o modelo salvo não são importantes.

Para informações sobre como fazer o download e processar o conjunto de dados total do ImageNet, consulte Como fazer o download, o pré-processamento e o upload do conjunto de dados do ImageNet.

Treinar o modelo MnasNet com false_imagenet

O modelo de TPU do Mnasnet está pré-instalado na sua VM do Compute Engine no seguinte diretório:

/usr/share/tpu/models/official/mnasnet/

Inicie um recurso do Cloud TPU usando o utilitário ctpu e defina algumas variáveis de ambiente usadas posteriormente.

(vm)$ ctpu up --project=${PROJECT_ID} 

--tpu-only 

--tf-version=1.15.5 

--name=mnasnet-tutorial

(vm)$ export TPU_NAME=mnasnet-tutorial

Navegue até o diretório do modelo.

(vm)$ cd /usr/share/tpu/models/official/mnasnet/

Execute o script de treinamento.
```
(vm)$ python3 mnasnet_main.py \
  --tpu=${TPU_NAME} \
  --data_dir=${DATA_DIR} \
  --model_dir=${MODEL_DIR} \
  --model_name="mnasnet-a1" \
  --skip_host_call=true \
  --train_steps=109474 \
  --train_batch_size=4096
```
- --tpu especifica o nome da Cloud TPU. Observe que ctpu transmite esse nome para a VM do Compute Engine como uma variável de ambiente (TPU_NAME).
- --data_dir especifica o caminho do Cloud Storage para a entrada de treinamento.
- --model_dir especifica o diretório em que os checkpoints e os resumos são armazenados durante o treinamento do modelo. Se a pasta não existir, o programa criará uma. Ao usar uma Cloud TPU, o model_dir precisa ser um caminho do Cloud Storage (gs://...). É possível reutilizar uma pasta atual para carregar dados dos checkpoints atuais e armazenar outros checkpoints, contanto que os anteriores tenham sido criados usando uma TPU do mesmo tamanho e versão do Tensorflow.
  
  Para um único dispositivo da Cloud TPU, o procedimento treina o modelo MnasNet (variante "mnasnet-a1") por 350 períodos e avalia cada número fixo de etapas. Usando as sinalizações especificadas, o modelo é treinado em cerca de 23 horas. Com os dados reais da imagenet, as configurações reproduzirão o resultado da pesquisa de última geração, enquanto os usuários serão capazes de ajustar a velocidade de treinamento.

Como escalonar o modelo com os pods da Cloud TPU

Para resultados mais rápidos, escalone o modelo com os pods da Cloud TPU. O modelo Mnasnet totalmente compatível funciona com as seguintes frações de pod:

v2-32
v2-128
v2-256
v2-512
v3-32
v3-128
v3-256
v3-512
v3-1024
v3-2048

Ao trabalhar com pods da Cloud TPU, primeiro treine o modelo usando um pod e, em seguida, use um único dispositivo da Cloud TPU para avaliá-lo.

Como treinar com pods da Cloud TPU

Exclua o recurso da Cloud TPU criado para treinar o modelo em um único dispositivo.

 (vm)$ ctpu delete --project=${PROJECT_ID} \
   --tpu-only \
   --name=mnasnet-tutorial

Execute o comando ctpu up, usando o parâmetro tpu-size para especificar a fração de pod a ser usada. Por exemplo, o comando a seguir usa uma fração de pod v2-32.
```
  (vm)$ ctpu up --project=${PROJECT_ID} \
    --tpu-only \
    --tpu-size=v2-32 \
    --tf-version=1.15.5 \
    --name=Cloud TPU
```
Atualize as variáveis de ambiente TPU_NAME.
```
(vm)$ export TPU_NAME=Cloud TPU
```
Atualize o diretório MODEL_DIR para armazenar os dados de treinamento.
```
(vm)$ export MODEL_DIR=${STORAGE_BUCKET}/Cloud TPU
```
Treine o modelo executando o script a seguir.

O script treina o modelo no conjunto de dados false_imagnet para 35 épocas. Isso leva aproximadamente 90 minutos para ser executado em um v3-128 Cloud TPU.
```
(vm)$ python3 mnasnet_main.py \
  --tpu=${TPU_NAME} \
  --data_dir=${DATA_DIR} \
  --model_dir=${MODEL_DIR} \
  --model_name="mnasnet-a1" \
  --skip_host_call=true \
  --train_steps=109474 \
  --train_batch_size=4096
```
- --tpu especifica o nome da Cloud TPU. Observe que ctpu transmite esse nome para a VM do Compute Engine como uma variável de ambiente (TPU_NAME).
- --data_dir especifica o caminho do Cloud Storage para a entrada de treinamento.
- --model_dir especifica o diretório em que os checkpoints e os resumos são armazenados durante o treinamento do modelo. Se a pasta não existir, o programa criará uma. Ao usar uma Cloud TPU, o model_dir precisa ser um caminho do Cloud Storage (gs://...). É possível reutilizar uma pasta atual para carregar dados dos checkpoints atuais e armazenar outros checkpoints, contanto que os anteriores tenham sido criados usando uma TPU do mesmo tamanho e versão do Tensorflow.
O procedimento treina o modelo MnasNet (variante "mnasnet-a1") no conjunto de dados fake_imagent para 350 períodos. Isso leva cerca de 5 horas.

Como avaliar o modelo

Neste conjunto de etapas, você usa o Cloud TPU para avaliar o modelo treinado acima em relação aos dados de validação false_imagenet.

Exclua o recurso do Cloud TPU criado para treinar o modelo em um pod.

(vm)$ ctpu delete --project=${PROJECT_ID} \
 --tpu-only \
 --name=${TPU_NAME}

Inicie um Cloud TPU v2-8. Use o mesmo nome que você usou para a VM do Compute Engine, que ainda precisa estar em execução.
```
(vm)$ ctpu up --project=${PROJECT_ID} \
 --tpu-only \
 --tf-version=1.15.5 \
 --name=mnasnet-eval
```
Crie uma variável de ambiente para seu nome de TPU.
```
(vm)$ export TPU_NAME=mnasnet-eval
```
Crie uma variável de ambiente para o tipo de acelerador.
```
(vm)$ export ACCELERATOR_TYPE=v3-8
```

Execute a avaliação do modelo. Desta vez, adicione a sinalização mode e defina-a como eval.

(vm)$ python3 mnasnet_main.py \
  --tpu=${TPU_NAME} \
  --data_dir=${DATA_DIR} \
  --model_dir=${MODEL_DIR} \
  --mode=eval \
  --config_file=configs/cloud/${ACCELERATOR_TYPE}.yaml

Isso gera um resultado semelhante ao seguinte:

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

Limpar

As etapas abaixo mostram como evitar cobranças na sua conta do GCP pelo uso de recursos.

Encerre a conexão com a VM do Compute Engine:
```
(vm)$ exit
```
Agora, o prompt precisa ser user@projectname, mostrando que você está no Cloud Shell.
No Cloud Shell, execute ctpu delete com a sinalização --zone usada ao configurar a Cloud TPU para excluir a VM do Compute Engine e a Cloud TPU:
```
$ ctpu delete --project=${PROJECT_ID} \
  --zone=europe-west4-a \
  --name=mnasnet-tutorial
```
Execute ctpu status para garantir que não haja instâncias alocadas e evitar cobranças desnecessárias no uso da TPU. A exclusão pode levar vários minutos. Uma resposta como esta indica que não há mais instâncias alocadas:
```
$ ctpu status --project=${PROJECT_ID} \
--zone=europe-west4-a
```
```
2018/04/28 16:16:23 WARNING: Setting zone to "europe-west4-a"
No instances currently exist.
Compute Engine VM:     --
Cloud TPU:             --
```
Execute gsutil conforme mostrado. Substitua bucket-name pelo nome do bucket do Cloud Storage criado para este tutorial:
```
$ gsutil rm -r gs://bucket-name
```

A seguir

Neste tutorial, você treinou o modelo MNASNET usando um conjunto de dados de amostra. Os resultados deste treinamento (na maioria dos casos) não podem ser usados para inferência. Para usar um modelo para inferência, é possível treinar os dados em um conjunto de dados disponível publicamente ou no seu próprio conjunto de dados. Os modelos treinados nas Cloud TPUs exigem que os conjuntos de dados estejam no formato TFRecord.

Use a amostra da ferramenta de conversão de conjunto de dados para converter um conjunto de dados de classificação de imagem no formato TFRecord. Se você não estiver usando um modelo de classificação de imagem, converta manualmente o conjunto de dados para o TFRecord. Para mais informações, consulte TFRecord e tf.Example

Ajuste de hiperparâmetros

Para melhorar o desempenho do modelo com o conjunto de dados, é possível ajustar os hiperparâmetros. Encontre informações sobre hiperparâmetros comuns a todos os modelos compatíveis com a TPU no GitHub. As informações sobre hiperparâmetros específicos do modelo podem ser encontradas no código-fonte de cada modelo. Para mais informações sobre o ajuste de hiperparâmetros, consulte Visão geral do ajuste de hiperparâmetros, Como usar o serviço de ajuste de hiperparâmetros e Ajustar hiperparâmetros.

Inferência

Depois de treinar o modelo, é possível usá-lo para inferência (também chamada de previsão). O AI Platform é uma solução baseada em nuvem para desenvolver, treinar e implantar modelos de machine learning. Depois que um modelo é implantado, use o serviço do AI Platform Prediction.

Saiba mais sobre ctpu, incluindo como instalá-lo em uma máquina local.
Conheça as ferramentas de TPU no TensorBoard.