Entrena a un transformador en Cloud TPU (TF 2.x)

En este instructivo, se muestra cómo entrenar un modelo ResNet de Keras en Cloud TPU con tf.distribute.TPUStrategy.

Si no estás familiarizado con Cloud TPU, te recomendamos que revises la guía de inicio rápido para obtener información sobre cómo crear una TPU y una VM de Compute Engine.

Objetivos

  • Crear un bucket de Cloud Storage para almacenar el resultado de tu modelo y tu conjunto de datos
  • Preparar un conjunto de datos imagenet falso que sea similar al conjunto de datos ImageNet
  • Ejecutar el trabajo de entrenamiento
  • Verificar 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 proyecto

  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 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 para el entrenamiento con un solo dispositivo

En esta sección, se proporciona información sobre la configuración de los recursos de Cloud Storage, VM y Cloud TPU para el entrenamiento de un solo dispositivo.

  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 con el siguiente comando:

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

    Este bucket de Cloud Storage almacena los datos que usas para entrenar tu modelo y los resultados del entrenamiento. El comando gcloud que se usa en este instructivo para configurar la TPU también configura 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.

  6. Preparar tu conjunto de datos o usar fake_imagenet

    ImageNet es una base de datos de imágenes. Las imágenes de la base de datos están organizadas en forma jerárquica, y cada nodo está representado por cientos y miles de imágenes.

    En este instructivo, se usa una versión de demostración del conjunto de datos completo de ImageNet, denominado fake_imagenet. Esta versión de demostración permite probar el instructivo, a la vez que se reducen los requisitos de almacenamiento y tiempo que se suelen asociar con la ejecución de un modelo en el conjunto de datos completo de ImageNet.

    El conjunto de datos fake_imagenet se encuentra en esta ubicación de Cloud Storage:

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

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

    Si deseas usar el conjunto de datos completo de ImageNet, consulta Descarga, procesamiento previo y carga del conjunto de datos de ImageNet.

  7. Inicia una VM de Compute Engine y Cloud TPU con el comando gcloud. El comando que uses depende de si usas VM de TPU o nodos TPU. Para obtener más información sobre la arquitectura de VM, consulta Arquitectura del sistema.

    VM de TPU

    $ gcloud alpha compute tpus tpu-vm create resnet-tutorial \
    --zone=europe-west4-a \
    --accelerator-type=v3-8 \
    --version=v2-alpha
    

    Descripciones de las marcas de comandos

    zone
    La zona en la que planeas crear tu Cloud TPU.
    accelerator-type
    El tipo de Cloud TPU que se creará.
    version
    La versión del entorno de ejecución de Cloud TPU.

    Nodo TPU

    gcloud compute tpus execution-groups create \
    --project=${PROJECT_ID} \
    --zone=europe-west4-a \
    --name=resnet-tutorial \
    --disk-size=300 \
    --machine-type=n1-standard-16 \
    --tf-version=2.5.0

    Descripciones de las marcas de comandos

    project
    : El ID de tu proyecto de GCP
    zone
    Es la zona en la que deseas crear la Cloud TPU.
    name
    El nombre de la Cloud TPU para crear.
    disk-size
    El tamaño del disco duro en GB de la VM creada con el comando gcloud.
    machine-type
    El tipo de máquina de la VM de Compute Engine que se creará.
    tf-version
    La versión de Tensorflow gcloud se instala en la VM.

    Para obtener más información sobre el comando gcloud, consulta la referencia de gcloud.

  8. Si no accediste de forma automática a la instancia de Compute Engine, accede mediante el siguiente comando ssh. Cuando accedes a la VM, tu indicador de shell cambia de username@projectname a username@vm-name:

    VM de TPU

    gcloud alpha compute tpus tpu-vm ssh resnet-tutorial --zone=europe-west4-a
    

    Nodo TPU

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

    Mientras sigues estas instrucciones, ejecuta cada comando que empiece con (vm)$ en la ventana de sesión de tu VM.

  9. Establece la variable de nombre de Cloud TPU.

    VM de TPU

    (vm)$ export TPU_NAME=local
    

    Nodo TPU

    (vm)$ export TPU_NAME=resnet-tutorial
    
  10. 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 MODEL_DIR=${STORAGE_BUCKET}/resnet-2x
    (vm)$ export DATA_DIR=gs://cloud-tpu-test-datasets/fake_imagenet
    

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

  11. Instalar los requisitos de TensorFlow.

    El comando que uses depende de si usas VM TPU o nodos TPU.

    VM de TPU

    (vm)$ git clone https://github.com/tensorflow/models.git
    (vm)$ pip3 install -r models/official/requirements.txt
    

    Nodo TPU

    (vm)$ sudo pip3 install -r /usr/share/models/official/requirements.txt
    
  12. La secuencia de comandos del entrenamiento de ResNet requiere un paquete adicional. Instálalo ahora:

    (vm)$ sudo pip3 install tensorflow-model-optimization>=0.1.3
    
  13. Establece la variable de entorno PYTHONPATH:

    VM de TPU

    (vm)$ export PYTHONPATH="${PWD}/models:${PYTHONPATH}"
    

    Nodo TPU

    (vm)$ export PYTHONPATH="${PYTHONPATH}:/usr/share/models"
    
  14. Ve al directorio en el que se almacena el modelo:

    VM de TPU

    (vm)$ cd ~/models/official/vision/image_classification/resnet
    

    Nodo TPU

    (vm)$ cd /usr/share/models/official/vision/image_classification/resnet
    

Entrena el modelo

  1. Ejecuta la secuencia de comandos de entrenamiento. Esto usa un conjunto de datos fake_imagenet y entrena ResNet durante un ciclo de entrenamiento.

    (vm)$ python3 resnet_ctl_imagenet_main.py \
     --tpu=${TPU_NAME} \
     --model_dir=${MODEL_DIR} \
     --data_dir=${DATA_DIR} \
     --batch_size=1024 \
     --steps_per_loop=500 \
     --train_epochs=1 \
     --use_synthetic_data=false \
     --dtype=fp32 \
     --enable_eager=true \
     --enable_tensorboard=true \
     --distribution_strategy=tpu \
     --log_steps=50 \
     --single_l2_loss_op=true \
     --use_tf_function=true
    

    Descripciones de las marcas de comandos

    tpu
    El nombre de tu TPU.
    model_dir
    especifica el directorio en el que se almacenan los puntos de control y los resúmenes durante el entrenamiento de modelos. Si no hay una carpeta, el programa crea una. Cuando se usa una Cloud TPU, el model_dir debe ser una ruta de Cloud Storage (gs://...). Puedes reutilizar una carpeta existente para cargar datos de puntos de control actuales y almacenar puntos de control adicionales siempre que los puntos de control anteriores se hayan creado mediante TPU del mismo tamaño y versión de TensorFlow.
    data_dir
    La ruta de entrada de entrenamiento en Cloud Storage. En este ejemplo, se establece como el conjunto de datos fake_imagenet.
    batch_size
    El tamaño del lote de entrenamiento.
    steps_per_loop
    La cantidad de pasos de entrenamiento que se deben ejecutar antes de guardar el estado en la CPU. Un paso de entrenamiento es el procesamiento de un lote de ejemplos. Esto incluye una propagación y una propagación inversa.
    train_epochs
    La cantidad de veces que se entrena el modelo con el conjunto de datos completo.
    use_synthetic_data
    Indica si se deben usar datos sintéticos para el entrenamiento.
    dtype
    El tipo de datos que se usará para el entrenamiento.
    enable_eager
    Habilita la ejecución inmediata de TensorFlow.
    enable_tensorboard
    Habilita TensorBoard.
    distribution_strategy
    Para entrenar el modelo ResNet en una TPU, configura distribution_strategy como tpu.
    log_steps
    La cantidad de pasos de entrenamiento que se deben realizar antes de registrar la información de tiempo, como examples per second.
    single_l2_loss_op
    Calcula la L2_loss en pesos concatenados, en lugar de usar la pérdida L2 por capa.
    use_tf_function
    Une el tren y prueba los pasos dentro de un tf.function.

Esto entrenará ResNet durante 1 ciclo de entrenamiento y se completará en un nodo TPU v3-8 aproximadamente en 10 minutos. Al final del entrenamiento, se muestra un resultado similar al siguiente:

I1107 20:28:57.561836 140033625347520 resnet_ctl_imagenet_main.py:222] Training 1 epochs, each epoch has 1251 steps, total steps: 1251; Eval 48 steps
I1107 20:34:09.638025 140033625347520 resnet_ctl_imagenet_main.py:358] Training loss: 0.6292637, accuracy: 0.99680257 at epoch 1
I1107 20:34:21.682796 140033625347520 resnet_ctl_imagenet_main.py:372] Test loss: 3.8977659, accuracy: 0.0% at epoch: 1
I1107 20:34:22.028973 140033625347520 resnet_ctl_imagenet_main.py:392]
Run stats:
{'train_loss': 0.6292637, 'train_acc': 0.99680257, 'eval_acc': 0.0, 'step_timestamp_log':
['BatchTimestamp <batch_index: 1, timestamp: 1573158554.11>'],
'train_finish_time': 1573158861.683073, 'eval_loss': 3.8977659>}

A fin de entrenar al ResNet para la convergencia, ejecútala durante 90 ciclos de entrenamiento, como se muestra en la siguiente secuencia de comandos. El entrenamiento y la evaluación se realizan juntos. Cada ciclo de entrenamiento tiene 1251 pasos para un total de 112590 pasos de entrenamiento y 48 pasos de evaluación.

(vm)$ python3 resnet_ctl_imagenet_main.py \
    --tpu=${TPU_NAME} \
    --model_dir=${MODEL_DIR} \
    --data_dir=${DATA_DIR} \
    --batch_size=1024 \
    --steps_per_loop=500 \
    --train_epochs=90 \
    --use_synthetic_data=false \
    --dtype=fp32 \
    --enable_eager=true \
    --enable_tensorboard=true \
    --distribution_strategy=tpu \
    --log_steps=50 \
    --single_l2_loss_op=true \
    --use_tf_function=true

Descripciones de las marcas de comandos

tpu
El nombre de tu TPU.
model_dir
Especifica el directorio en el que se almacenan los puntos de control y los resúmenes durante el entrenamiento de modelos. Si la carpeta no existe, el programa crea una. Cuando se usa una Cloud TPU, el model_dir debe ser una ruta de Cloud Storage (gs://...). Puedes reutilizar una carpeta existente para cargar datos de los puntos de control actuales y almacenar puntos de control adicionales siempre que los puntos de control anteriores se hayan creado mediante una Cloud TPU del mismo tamaño y versión de TensorFlow.
data_dir
La ruta de entrada de entrenamiento en Cloud Storage. En este ejemplo, se establece como el conjunto de datos fake_imagenet.
batch_size
El tamaño del lote de entrenamiento.
steps_per_loop
La cantidad de pasos de entrenamiento que se deben ejecutar antes de guardar el estado en la CPU. Un paso de entrenamiento es el procesamiento de un lote de ejemplos. Esto incluye una propagación hacia delante y de retroceso.
train_epochs
La cantidad de veces que se entrena el modelo con el conjunto de datos completo.
use_synthetic_data
Indica si se deben usar datos sintéticos para el entrenamiento.
dtype
El tipo de datos que se usará para el entrenamiento.
enable_eager
Habilita la ejecución inmediata de TensorFlow.
enable_tensorboard
Habilita TensorBoard.
distribution_strategy
Para entrenar el modelo ResNet en una TPU, configura distribution_strategy como tpu.
log_steps
La cantidad de pasos de entrenamiento que se deben realizar antes de registrar la información de tiempo, como examples per second.
single_l2_loss_op
Calcula la pérdida L2_loss en pesos concatenados, en vez de usar la pérdida L2 por capa.
use_tf_function
Une el tren y prueba los pasos dentro de un tf.function.

Debido a que el entrenamiento y la evaluación se realizaron en el conjunto de datos fake_imagenet, los resultados de salida no reflejan la salida real que aparecería con un conjunto de datos real.

Ya completó la capacitación en un solo dispositivo. Sigue estos pasos para borrar los recursos TPU actuales de un solo dispositivo.

  1. Desconéctate de la instancia de Compute Engine:

    (vm)$ exit
    

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

  2. Borra el recurso de TPU.

    VM de TPU

    $ gcloud alpha compute tpus tpu-vm delete resnet-tutorial \
    --zone=europe-west4-a
    

    Descripciones de las marcas de comandos

    zone
    La zona en la que reside tu Cloud TPU.

    Nodo TPU

    $ gcloud compute tpus execution-groups delete resnet-tutorial \
    --tpu-only \
    --zone=europe-west4-a
    

    Descripciones de las marcas de comandos

    tpu-only
    Solo borra la Cloud TPU. La VM permanece disponible.
    zone
    La zona que contiene la TPU que se borrará.

En este punto, puedes finalizar este instructivo y limpiar, o puedes continuar y explorar la ejecución del modelo en los pods de Cloud TPU.

Escala tu modelo con pods de Cloud TPU

Entrenamiento de pods de VM de TPU

En esta sección, se proporciona información sobre cómo configurar un depósito de Cloud Storage y recursos de Cloud TPU para el entrenamiento de pods.

  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 depósito de Cloud Storage con el siguiente comando o usa un depósito que creaste anteriormente para tu proyecto:

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

    Este bucket de Cloud Storage almacena los datos que usas para entrenar tu modelo y los resultados del entrenamiento. El comando gcloud que se usa en este instructivo configura 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 depósito debe estar en la misma región que tu VM de TPU.

  6. Preparar tu conjunto de datos o usar fake_imagenet

    ImageNet es una base de datos de imágenes. Las imágenes de la base de datos están organizadas en forma jerárquica, y cada nodo está representado por cientos y miles de imágenes.

    El entrenamiento de pod predeterminado accede a una versión de demostración del conjunto de datos completo de ImageNet, denominado fake_imagenet. Esta versión de demostración te permite probar el entrenamiento de pods, a la vez que reduce los requisitos de almacenamiento y tiempo que se suelen asociar con el entrenamiento de un modelo en el conjunto de datos completo de ImageNet.

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

    Si deseas usar el conjunto de datos completo de ImageNet, consulta Descarga, procesamiento previo y carga del conjunto de datos de ImageNet.

  7. Inicia un pod de VM de TPU con el comando gcloud alpha compute tpus tpu-vm. En este instructivo, se especifica un pod v3-32. Para obtener más opciones de pods, consulta la página de tipos de TPU disponibles.

    $ gcloud alpha compute tpus tpu-vm create resnet-tutorial \
    --zone=europe-west4-a \
    --accelerator-type=v3-32 \
    --version=v2-alpha-pod
    

    Descripciones de las marcas de comandos

    zone
    La zona en la que planeas crear tu Cloud TPU.
    accelerator-type
    El tipo de Cloud TPU que se creará.
    version
    La versión del entorno de ejecución de Cloud TPU.
  8. Ejecuta el siguiente comando ssh para acceder a la VM. Cuando accedes a la VM, tu indicador de shell cambia de username@projectname a username@vm-name:

      gcloud alpha compute tpus tpu-vm ssh resnet-tutorial --zone=europe-west4-a
      

  9. Establece la variable de nombre de Cloud TPU.

    (vm)$ export TPU_NAME=resnet-tutorial
    
  10. 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 MODEL_DIR=${STORAGE_BUCKET}/resnet-2x-pod
    (vm)$ export DATA_DIR=gs://cloud-tpu-test-datasets/fake_imagenet
    

    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.

  11. La secuencia de comandos del entrenamiento de ResNet requiere un paquete adicional. Instálalo ahora:

    (vm)$ sudo pip3 install tensorflow-model-optimization>=0.1.3
    
  12. Instalar los requisitos de TensorFlow.

    El comando que uses depende de si usas VM TPU o nodos TPU.

    VM de TPU

    (vm)$ git clone https://github.com/tensorflow/models.git
    (vm)$ pip3 install -r models/official/requirements.txt
    

    Nodo TPU

    (vm)$ sudo pip3 install -r /usr/share/models/official/requirements.txt
    
  13. Establece algunas variables de entorno obligatorias:

    (vm)$ export TPU_LOAD_LIBRARY=0
    
  14. Establece la variable de entorno PYTHONPATH:

    VM de TPU

    (vm)$ export PYTHONPATH="${PWD}/models:${PYTHONPATH}"
    (vm)$ export TPU_LOAD_LIBRARY=0
    

    Nodo TPU

    (vm)$ export PYTHONPATH="${PYTHONPATH}:/usr/share/models"
    
  15. Ve al directorio en el que se almacena el modelo:

    VM de TPU

    (vm)$ cd ~/models/official/vision/image_classification/resnet
    

    Nodo TPU

    (vm)$ cd /usr/share/models/official/vision/image_classification/resnet
    
  16. Entrena el modelo.

    (vm)$ python3 resnet_ctl_imagenet_main.py \
      --tpu=${TPU_NAME} \
      --model_dir=${MODEL_DIR} \
      --data_dir=${DATA_DIR} \
      --batch_size=4096 \
      --steps_per_loop=500 \
      --train_epochs=1 \
      --use_synthetic_data=false \
      --dtype=fp32 \
      --enable_eager=true \
      --enable_tensorboard=true \
      --distribution_strategy=tpu \
      --log_steps=50 \
      --single_l2_loss_op=true \
      --use_tf_function=true
     

    Descripciones de las marcas de comandos

    tpu
    El nombre de tu TPU.

      <dt><code>model_dir</code></dt>
      <dd>Specifies the directory where checkpoints and summaries are stored
        during model training. If the folder is missing, the program creates
        one. When using a Cloud TPU, the <code>model_dir</code>
        must be a Cloud Storage path (<code>gs://...</code>). You can
        reuse an existing folder to load current checkpoint data and to store
        additional checkpoints as long as the previous checkpoints were
        created using Cloud TPU of the same size and TensorFlow version.</dd>
    
      <dt><code>data_dir</code></dt>
      <dd>The Cloud Storage path of training input. It is set to the
        fake_imagenet dataset in this example.</dd>
    
      <dt><code>batch_size</code></dt>
      <dd>The training batch size.</dd>
    
      <dt><code>steps_per_loop</code></dt>
      <dd>The number of training steps to run before saving state to the CPU.
        A training step is the processing of one batch of examples. This
        includes both a forward pass and back propagation.</dd>
    
      <dt><code>train_epochs</code></dt>
      <dd>The number of times to train the model using the entire dataset.</dd>
    
      <dt><code>use_synthetic_data</code></dt>
      <dd>Whether to use synthetic data for training.</dd>
    
      <dt><code>dtype</code></dt>
      <dd>The data type to use for training.</dd>
    
      <dt><code>enable_eager</code></dt>
      <dd>Enables TensorFlow <a href="https://www.tensorflow.org/guide/eager">eager execution</a>.</dd>
    
      <dt><code>enable_tensorboard</code></dt>
      <dd>Enables <a href="https://www.tensorflow.org/tensorboardTensorBoard">TensorBoard</a>.</dd>
    
      <dt><code>distribution_strategy</code></dt>
      <dd>To train the ResNet model on a TPU, set <code>distribution_strategy</code>
        to <code>tpu</code>.</dd>
    
      <dt><code>log_steps</code></dt>
      <dd>The number of training steps to take before logging timing
        information such as <code>examples per second</code>.</dd>
    
      <dt><code>single_l2_loss_op</code></dt>
      <dd>Calculate L2_loss on concatenated weights, instead of using Keras
        per-layer L2 loss.</dd>
    
      <dt><code>use_tf_function</code></dt>
      <dd>Wrap the train and test steps inside a <code>tf.function</code>.</dd>
    </dl>
    

En este procedimiento, se entrena el modelo en el conjunto de datos fake_imagenet a 1 ciclo de entrenamiento (312 pasos de entrenamiento totales y 12 pasos de evaluación). Este entrenamiento tarda alrededor de 2 minutos en una Cloud TPU v3-32. Cuando finaliza el entrenamiento y la evaluación, aparece un mensaje similar al siguiente:

1107 22:45:19.821746 140317155378624 resnet_ctl_imagenet_main.py:358] Training loss: 0.22576721, accuracy: 0.838141 at epoch 1
I1107 22:45:33.892045 140317155378624 resnet_ctl_imagenet_main.py:372] Test loss: 0.26673648, accuracy: 0.0% at epoch: 1
I1107 22:45:34.851322 140317155378624 resnet_ctl_imagenet_main.py:392] Run stats:
{'train_loss': 0.22576721, 'train_acc': 0.838141, 'eval_acc': 0.0, 'step_timestamp_log': ['BatchTimestamp<batch_index: 1, timestamp: 1573166574.67>'], 'train_finish_time': 1573166733.892282, 'eval_loss': 0.26673648}

Entrenamiento de pod de nodo TPU

  1. Crea un pod de Cloud TPU nuevo. Ejecuta el comando gcloud compute tpus execution-groups con el parámetro accelerator-type para especificar la porción de pod que deseas usar. Por ejemplo, el comando siguiente usa una porción de pod v3-32.

    (vm)$ gcloud compute tpus execution-groups create \
      --zone=europe-west4-a \
      --tpu-only \
      --name=resnet-tutorial \
      --accelerator-type=v3-32 \
      --tf-version=2.5.0

    Descripciones de las marcas de comandos

    zone
    Es la zona en la que deseas crear la Cloud TPU.
    tpu-only
    Crea solo la Cloud TPU. 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.
    accelerator-type
    El tipo de Cloud TPU que se creará.
    tf-version
    La versión de gcloud de TensorFlow se instala en la VM.
  2. Cuando el comando gcloud alpha compute tpus 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 ejecutar los siguientes comandos para conectarte:

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

  3. Establece algunas variables de entorno obligatorias:

    (vm)$ export TPU_NAME=resnet-tutorial
    (vm)$ export MODEL_DIR=${STORAGE_BUCKET}/resnet-2x-pod
    
  4. Navega al directorio de la secuencia de comandos:

    (vm)$ cd /usr/share/models/official/vision/image_classification/resnet
    
  5. Entrena el modelo.

    (vm)$ python3 resnet_ctl_imagenet_main.py \
      --tpu=${TPU_NAME} \
      --model_dir=${MODEL_DIR} \
      --data_dir=${DATA_DIR} \
      --batch_size=4096 \
      --steps_per_loop=500 \
      --train_epochs=1 \
      --use_synthetic_data=false \
      --dtype=fp32 \
      --enable_eager=true \
      --enable_tensorboard=true \
      --distribution_strategy=tpu \
      --log_steps=50 \
      --single_l2_loss_op=true \
      --use_tf_function=true
     

    Descripciones de las marcas de comandos

    tpu
    El nombre de tu TPU.

      <dt><code>model_dir</code></dt>
      <dd>Specifies the directory where checkpoints and summaries are stored
        during model training. If the folder is missing, the program creates
        one. When using a Cloud TPU, the <code>model_dir</code>
        must be a Cloud Storage path (<code>gs://...</code>). You can
        reuse an existing folder to load current checkpoint data and to store
        additional checkpoints as long as the previous checkpoints were
        created using Cloud TPU of the same size and TensorFlow version.</dd>
    
      <dt><code>data_dir</code></dt>
      <dd>The Cloud Storage path to the training dataset.</dd>
    
      <dt><code>batch_size</code></dt>
      <dd>The training batch size.</dd>
    
      <dt><code>steps_per_loop</code></dt>
      <dd>The number of training steps to run before saving state to the CPU.
        A training step is the processing of one batch of examples. This
        includes both a forward pass and back propagation.</dd>
    
      <dt><code>train_epochs</code></dt>
      <dd>The number of times to train the model using the entire dataset.</dd>
    
      <dt><code>use_synthetic_data</code></dt>
      <dd>Whether to use synthetic data for training.</dd>
    
      <dt><code>dtype</code></dt>
      <dd>The data type to use for training.</dd>
    
      <dt><code>enable_eager</code></dt>
      <dd>Enables TensorFlow <a href="https://www.tensorflow.org/guide/eager">eager execution</a>.</dd>
    
      <dt><code>enable_tensorboard</code></dt>
      <dd>Enables <a href="https://www.tensorflow.org/tensorboardTensorBoard">TensorBoard</a>.</dd>
    
      <dt><code>distribution_strategy</code></dt>
      <dd>To train the ResNet model on a TPU, set <code>distribution_strategy</code>
        to <code>tpu</code>.</dd>
    
      <dt><code>log_steps</code></dt>
      <dd>The number of training steps to take before logging timing
        information such as <code>examples per second</code>.</dd>
    
      <dt><code>single_l2_loss_op</code></dt>
      <dd>Calculate L2_loss on concatenated weights, instead of using Keras
        per-layer L2 loss.</dd>
    
      <dt><code>use_tf_function</code></dt>
      <dd>Wrap the train and test steps inside a <code>tf.function</code>.</dd>
    </dl>
    

En este procedimiento, se entrena el modelo en el conjunto de datos fake_imagenet a 1 ciclo de entrenamiento (312 pasos de entrenamiento totales y 12 pasos de evaluación). Este entrenamiento tarda alrededor de 2 minutos en una Cloud TPU v3-32. Cuando finaliza el entrenamiento y la evaluación, aparece un mensaje similar al siguiente:

1107 22:45:19.821746 140317155378624 resnet_ctl_imagenet_main.py:358] Training loss: 0.22576721, accuracy: 0.838141 at epoch 1
I1107 22:45:33.892045 140317155378624 resnet_ctl_imagenet_main.py:372] Test loss: 0.26673648, accuracy: 0.0% at epoch: 1
I1107 22:45:34.851322 140317155378624 resnet_ctl_imagenet_main.py:392] Run stats:
{'train_loss': 0.22576721, 'train_acc': 0.838141, 'eval_acc': 0.0, 'step_timestamp_log': ['BatchTimestamp<batch_index: 1, timestamp: 1573166574.67>'], 'train_finish_time': 1573166733.892282, 'eval_loss': 0.26673648}

Realice una limpieza

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. Borra los recursos de Cloud TPU y Compute Engine. El comando que uses para borrar tus recursos depende de si usas VM de TPU o nodos TPU. Para obtener más información, consulta Arquitectura del sistema.

    VM de TPU

    $ gcloud alpha compute tpus tpu-vm delete resnet-tutorial \
    --zone=europe-west4-a
    

    Nodo TPU

    $ gcloud compute tpus execution-groups delete resnet-tutorial \
    --zone=europe-west4-a
    
  3. Verifica que se hayan borrado los recursos con la ejecución de gcloud compute tpus execution-groups list. 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=europe-west4-a
    
    Listed 0 items.
    
  4. Ejecuta gsutil como se muestra y reemplaza bucket-name por el nombre del depósito de Cloud Storage que creaste para este instructivo:

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

¿Qué sigue?

En este instructivo, entrenaste el modelo RESNET mediante 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.

  • Aprende a entrenar y evaluar con tus propios datos en lugar de los conjuntos de datos fake_imagenet o ImageNet mediante el instructivo de conversión de conjuntos de datos. En el instructivo, se explica cómo usar la secuencia de comandos de ejemplo de conversor de datos de clasificación de imágenes a fin de convertir un conjunto de datos sin procesar para la clasificación de imágenes en TFRecords que usan los modelos de TensorFlow de Cloud TPU.
  • Ejecuta un codelab de Cloud TPU que demuestre cómo ejecutar un modelo de clasificación de imágenes con tus propios datos de imagen.
  • Explora los otros instructivos de Cloud TPU.
  • Aprende a usar las herramientas de supervisión de TPU en TensorBoard.
  • Consulta cómo entrenar ResNet con Cloud TPU y GKE.