Como treinar o ResNet no Cloud TPU (TF 2.x)

Veja neste tutorial como treinar um modelo Keras ResNet na Cloud TPU usando tf.distribute.TPUStrategy.

Se você não conhece muito bem o Cloud TPU, é altamente recomendável consultar o guia de início rápido para saber como criar uma TPU e uma VM do Compute Engine.

Objetivos

  • Criar um bucket do Cloud Storage para armazenar o conjunto de dados e a saída do modelo.
  • Preparar um conjunto de dados ImageNet fictício que seja semelhante ao conjunto de dados do ImageNet.
  • 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.

  1. Faça login na sua conta do Google Cloud. Se você começou a usar o Google Cloud agora, crie uma conta para avaliar o desempenho de nossos produtos em situações reais. Clientes novos também recebem US$ 300 em créditos para executar, testar e implantar cargas de trabalho.
  2. No Console do Google Cloud, na página do seletor de projetos, selecione ou crie um projeto do Google Cloud.

    Acessar o seletor de projetos

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

  4. 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 para treinamento em um único dispositivo

Nesta seção, você verá como configurar os recursos do bucket do Cloud Storage, da VM e do Cloud TPU para treinamento em um único dispositivo.

  1. Abra uma janela do Cloud Shell.

    Abrir o Cloud Shell

  2. Crie uma variável para o ID do seu projeto.

    export PROJECT_ID=project-id
    
  3. Configure a ferramenta de linha de comando da 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.

  4. 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
    

  5. Crie um bucket do Cloud Storage usando o seguinte comando:

    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. O comando gcloud usado neste tutorial para configurar a TPU também define permissões padrão para a conta de serviço do Cloud TPU configurada na etapa anterior. Caso queira permissões mais específicas, consulte as permissões de nível de acesso.

  6. Preparar o conjunto de dados ou usar fake_imagenet

    O ImageNet é um banco de dados de imagens. As imagens do banco de dados são organizadas hierarquicamente, com cada nó da hierarquia representado por 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

    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.

    Se você quiser usar o conjunto de dados completo do ImageNet, consulte Como fazer o download, o pré-processamento e o upload do conjunto de dados do ImageNet (em inglês).

  7. Use o comando gcloud para iniciar uma VM do Compute Engine e a Cloud TPU. O comando usado dependerá de você estar usando VMs de TPU ou nós de TPU. Para mais informações sobre as duas arquiteturas de VM, consulte Arquitetura do sistema.

    VM de TPU

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

    Descrições de sinalizações de comando

    zone
    A zona em que você planeja criar a Cloud TPU.
    accelerator-type
    O tipo do Cloud TPU a ser criado.
    version
    A versão do ambiente de execução do Cloud TPU.

    Nó da 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

    Descrições de sinalizações de comando

    project
    o ID do projeto do GCP
    zone
    A zona em que você planeja criar a Cloud TPU.
    name
    O nome da Cloud TPU a ser criada.
    disk-size
    O tamanho do disco rígido em GB da VM criada pelo comando gcloud .
    machine-type
    O tipo de máquina da VM do Compute Engine a ser criado.
    tf-version
    A versão do Tensorflow gcloud é instalada na VM.

    Para mais informações sobre o comando gcloud, consulte a Referência do gcloud.

  8. Se você não estiver conectado automaticamente à instância do Compute Engine, faça login executando o seguinte comando ssh. Quando você está conectado à VM, o prompt de shell muda de username@projectname para username@vm-name:

    VM de TPU

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

    Nó da TPU

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

    Ao seguir essas instruções, execute cada comando iniciado por (vm)$ na janela de sessão da VM.

  9. Defina a variável de nome da Cloud TPU.

    VM de TPU

    (vm)$ export TPU_NAME=local
    

    Nó da TPU

    (vm)$ export TPU_NAME=resnet-tutorial
    
  10. Definir variáveis de bucket do Cloud Storage

    Configure as seguintes variáveis de ambiente, substituindo bucket-name pelo nome do bucket do 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
    

    O aplicativo de treinamento precisa que os dados de treinamento sejam acessíveis no Cloud Storage. Ele também usa o bucket do Cloud Storage para armazenar checkpoints durante o treinamento.

  11. Instale os requisitos do TensorFlow.

    O comando usado depende de você estar usando VMs de TPU ou nós da TPU.

    VM de TPU

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

    Nó da TPU

    (vm)$ sudo pip3 install -r /usr/share/models/official/requirements.txt
    
  12. O script de treinamento do ResNet requer um pacote extra. Instalar agora.

    (vm)$ sudo pip3 install tensorflow-model-optimization>=0.1.3
    
  13. Defina a variável de ambiente PYTHONPATH:

    VM de TPU

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

    Nó da TPU

    (vm)$ export PYTHONPATH="${PYTHONPATH}:/usr/share/models"
    
  14. Mude para o diretório que armazena o modelo:

    VM de TPU

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

    Nó da TPU

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

Treine o modelo

  1. Execute o script de treinamento. Ele usa um conjunto de dados false_imagenet e treina o ResNet por uma época.

    (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
    

    Descrições de sinalizações de comando

    tpu
    O nome da TPU.
    model_dir
    Especifica o diretório em que os pontos de controle e os resumos são armazenados durante o treinamento de modelo. Se a pasta não existir, ela será criada pelo programa. Ao usar uma Cloud TPU, o model_dir precisa ser um caminho do Cloud Storage (gs://...). É possível reutilizar uma pasta existente para carregar dados do ponto de controle atual e armazenar outros pontos, contanto que os anteriores tenham sido criados usando a TPU com o mesmo tamanho e versão do TensorFlow.
    data_dir
    O caminho do Cloud Storage da entrada de treinamento. Neste exemplo, ele está definido como o conjunto de dados fake_imagenet.
    batch_size
    O tamanho do lote de treinamento.
    steps_per_loop
    O número de etapas de treinamento a serem executadas antes de salvar o estado na CPU. Uma etapa de treinamento é o processamento de um lote de exemplos. Isso inclui o encaminhamento e a retropropagação.
    train_epochs
    O número de vezes que o modelo deve ser treinado usando o conjunto de dados inteiro.
    use_synthetic_data
    Define se é necessário usar dados sintéticos para treinamento.
    dtype
    O tipo de dado a ser usado para treinamento.
    enable_eager
    Ative a execução rápida do TensorFlow.
    enable_tensorboard
    Ative o TensorBoard.
    distribution_strategy
    Para treinar o modelo ResNet em uma TPU, defina distribution_strategy como tpu.
    log_steps
    O número de etapas de treinamento a serem executadas antes de registrar informações de tempo como examples per second.
    single_l2_loss_op
    Calcule L2_loss em pesos concatenados em vez de usar a perda de L2 por camada Keras.
    use_tf_function
    Encapsule o treino e teste as etapas dentro de um tf.function.

Isso treinará o ResNet por uma época e será concluído em um nó de TPU v3-8 em aproximadamente 10 minutos. No final do treinamento, será exibida uma saída semelhante a esta:

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>}

Para treinar a ResNet para convergência, execute-a por 90 épocas conforme mostrado no script a seguir. O treinamento e a avaliação são feitos juntos. Cada época tem 1251 etapas para um total de 112.590 etapas de treinamento e 48 etapas de avaliação.

(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

Descrições de sinalizações de comando

tpu
O nome da TPU.
model_dir
Especifica o diretório em que os pontos de controle 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 existente para carregar dados dos pontos de controle atuais e armazenar outros pontos, contanto que os anteriores tenham sido criados usando uma Cloud TPU com o mesmo tamanho e versão do TensorFlow.
data_dir
O caminho do Cloud Storage da entrada de treinamento. Neste exemplo, ele está definido como o conjunto de dados fake_imagenet.
batch_size
O tamanho do lote de treinamento.
steps_per_loop
O número de etapas de treinamento a serem executadas antes de salvar o estado na CPU. Uma etapa do treinamento é o processamento de um lote de exemplos. Isso inclui um encaminhamento e a retropropagação.
train_epochs
O número de vezes que o modelo deve ser treinado usando o conjunto de dados inteiro.
use_synthetic_data
Define se é necessário usar dados sintéticos para treinamento.
dtype
O tipo de dado a ser usado para treinamento.
enable_eager
Ative a execução rápida do TensorFlow.
enable_tensorboard
Ative o TensorBoard.
distribution_strategy
Para treinar o modelo ResNet em uma TPU, defina distribution_strategy como tpu.
log_steps
O número de etapas de treinamento a serem executadas antes de registrar informações de tempo como examples per second.
single_l2_loss_op
Calcule L2_loss em pesos concatenados em vez de usar a perda de L2 por camada Keras.
use_tf_function
Encapsule o treino e teste as etapas dentro de um tf.function.

Como o treinamento e a avaliação foram feitos no conjunto de dados fake_imagenet, os resultados não refletem a saída real que apareceria se o treinamento e a avaliação fossem realizados em um conjunto de dados real.

Você concluiu o treinamento sobre um único dispositivo. Siga as etapas abaixo para excluir os recursos de TPU de dispositivo único atuais.

  1. Desconecte-se da instância do Compute Engine:

    (vm)$ exit
    

    Agora, o prompt precisa ser username@projectname, mostrando que você está no Cloud Shell.

  2. Exclua o recurso da TPU.

    VM de TPU

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

    Descrições de sinalizações de comando

    zone
    A zona em que o Cloud TPU reside.

    Nó da TPU

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

    Descrições de sinalizações de comando

    tpu-only
    Exclui apenas a Cloud TPU. A VM permanece disponível.
    zone
    A zona que contém a TPU a ser excluída.

A partir daqui, é possível concluir este tutorial e fazer a limpeza ou continuar e explorar a execução do modelo em pods da Cloud TPU.

Como escalonar o modelo com os pods da Cloud TPU

Treinamento de pod de VM de TPU

Nesta seção, você verá como configurar um bucket do Cloud Storage e os recursos do Cloud TPU para treinamento de pod.

  1. Abra uma janela do Cloud Shell.

    Abrir o Cloud Shell

  2. Crie uma variável para o ID do seu projeto.

    export PROJECT_ID=project-id
    
  3. 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.

  4. 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
    

  5. Crie um bucket do Cloud Storage usando o seguinte comando ou use um bucket criado anteriormente para o projeto:

    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. O comando gcloud usado neste tutorial configura permissões padrão para a conta de serviço do Cloud TPU que você configurou na etapa anterior. Caso queira permissões mais específicas, consulte as permissões de nível de acesso.

    O local do bucket precisa estar na mesma região que a VM do TPU.

  6. Preparar o conjunto de dados ou usar fake_imagenet

    O ImageNet é um banco de dados de imagens. As imagens do banco de dados são organizadas hierarquicamente, com cada nó da hierarquia representado por centenas e milhares de imagens.

    O treinamento padrão do pod acessa uma versão de demonstração do conjunto de dados completo do ImageNet, conhecido como fake_imagenet. Essa versão de demonstração permite testar o treinamento do pod e, ao mesmo tempo, reduzir os requisitos de armazenamento e tempo normalmente associados ao treinamento de um modelo em relação ao banco de dados completo do 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.

    Se você quiser usar o conjunto de dados completo do ImageNet, consulte Como fazer o download, o pré-processamento e o upload do conjunto de dados do ImageNet (em inglês).

  7. Inicie um pod de VM de TPU usando o comando gcloud alpha compute tpus tpu-vm. Este tutorial especifica um pod v3-32. Para outras opções de pods, consulte a página de tipos de TPU disponíveis.

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

    Descrições de sinalizações de comando

    zone
    A zona em que você planeja criar a Cloud TPU.
    accelerator-type
    O tipo do Cloud TPU a ser criado.
    version
    A versão do ambiente de execução do Cloud TPU.
  8. Execute o seguinte comando ssh para fazer login na VM. Quando você está conectado à VM, o prompt de shell muda de username@projectname para username@vm-name:

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

  9. Defina a variável de nome da Cloud TPU.

    (vm)$ export TPU_NAME=resnet-tutorial
    
  10. Definir variáveis de bucket do Cloud Storage

    Configure as seguintes variáveis de ambiente, substituindo bucket-name pelo nome do bucket do 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
    

    O aplicativo de treinamento precisa que os dados de treinamento sejam acessíveis no Cloud Storage. Ele também usa o bucket do Cloud Storage para armazenar checkpoints durante o treinamento.

  11. O script de treinamento do ResNet requer um pacote extra. Instalar agora.

    (vm)$ sudo pip3 install tensorflow-model-optimization>=0.1.3
    
  12. Instale os requisitos do TensorFlow.

    O comando usado depende de você estar usando VMs de TPU ou nós da TPU.

    VM de TPU

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

    Nó da TPU

    (vm)$ sudo pip3 install -r /usr/share/models/official/requirements.txt
    
  13. Defina algumas variáveis de ambiente obrigatórias:

    (vm)$ export TPU_LOAD_LIBRARY=0
    
  14. Defina a variável de ambiente PYTHONPATH:

    VM de TPU

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

    Nó da TPU

    (vm)$ export PYTHONPATH="${PYTHONPATH}:/usr/share/models"
    
  15. Mude para o diretório que armazena o modelo:

    VM de TPU

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

    Nó da TPU

    (vm)$ cd /usr/share/models/official/vision/image_classification/resnet
    
  16. Treine o 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
     

    Descrições de sinalizações de comando

    tpu
    O nome da 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>
    

Este procedimento treina o modelo no conjunto de dados false_imagenet para uma época (total de 312 etapas de treinamento e 12 etapas de avaliação). O treinamento leva aproximadamente dois minutos em uma Cloud TPU v3-32. Quando o treinamento e a avaliação forem concluídos, uma mensagem semelhante a esta será exibida:

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}

Treinamento de pod de nó da TPU

  1. Crie um novo pod da Cloud TPU. Execute o comando gcloud compute tpus execution-groups, usando o parâmetro accelerator-type para especificar a fração de pod a ser usada. Por exemplo, o comando a seguir usa uma fração 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

    Descrições de sinalizações de comando

    zone
    A zona em que você planeja criar a Cloud TPU.
    tpu-only
    Cria apenas a Cloud TPU. Por padrão, o comando gcloud compute tpus execution-groups cria uma VM e uma Cloud TPU.
    name
    O nome da Cloud TPU a ser criada.
    accelerator-type
    O tipo do Cloud TPU a ser criado.
    tf-version
    A versão do Tensorflow gcloud é instalada na VM.
  2. Quando o comando gcloud alpha compute tpus 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.

    Se você não estiver conectado à instância do Compute Engine, poderá se conectar executando os seguintes comandos:

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

  3. Defina algumas variáveis de ambiente obrigatórias:

    (vm)$ export TPU_NAME=resnet-tutorial
    (vm)$ export MODEL_DIR=${STORAGE_BUCKET}/resnet-2x-pod
    
  4. Navegue até o diretório do script:

    (vm)$ cd /usr/share/models/official/vision/image_classification/resnet
    
  5. Treine o 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
     

    Descrições de sinalizações de comando

    tpu
    O nome da 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>
    

Este procedimento treina o modelo no conjunto de dados false_imagenet para uma época (total de 312 etapas de treinamento e 12 etapas de avaliação). O treinamento leva aproximadamente dois minutos em uma Cloud TPU v3-32. Quando o treinamento e a avaliação forem concluídos, uma mensagem semelhante a esta será exibida:

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}

Limpeza

Para evitar cobranças na sua conta do Google Cloud pelos recursos usados no tutorial, exclua o projeto que os contém ou mantenha o projeto e exclua os recursos individuais.

  1. Desconecte-se da instância do Compute Engine, caso ainda não tenha feito isso:

    (vm)$ exit
    

    Agora, o prompt precisa ser username@projectname, mostrando que você está no Cloud Shell.

  2. Exclua os recursos do Cloud TPU e do Compute Engine. O comando usado para excluir os recursos depende do uso de VMs da TPU ou de nós de TPU. Para mais informações, consulte Arquitetura do sistema.

    VM de TPU

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

    Nó da TPU

    $ gcloud compute tpus execution-groups delete resnet-tutorial \
    --zone=europe-west4-a
    
  3. Execute gcloud compute tpus execution-groups list para verificar se os recursos foram excluídos. A exclusão pode levar vários minutos. Uma resposta como esta indica que suas instâncias foram excluídas com sucesso.

    $ gcloud compute tpus execution-groups list --zone=europe-west4-a
    
    Listed 0 items.
    
  4. 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 RESNET 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 como treinar e avaliar usando seus dados no lugar dos conjuntos de dados false_imagenet ou ImageNet seguindo o tutorial de conversão do conjunto de dados. O tutorial explica como usar o script de exemplo de conversão de dados de classificação de imagem para converter um conjunto de dados brutos para classificação de imagens em TFRecord utilizáveis por modelos do Cloud TPU Tensorflow.
  • Execute um colab da Cloud TPU que demonstra como executar um modelo de classificação de imagem usando seus próprios dados de imagem.
  • Explore os outros tutoriais da Cloud TPU.
  • Aprenda a usar as ferramentas de monitoramento de TPU no TensorBoard.
  • Veja como treinar o ResNet com Cloud TPU e GKE.