Entrenamiento en Cloud TPU (TF 2.x)

En este instructivo, se muestra cómo entrenar un modelo de Keras ResNet-RS en Cloud TPU con tf.distribute.TPUStrategy. Para obtener más información sobre ResNet-RS, consulta Revisión de ResNets: Mejoras en el entrenamiento y las estrategias de escalamiento.

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 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 cómo configurar el bucket de Cloud Storage, la VM y los recursos de Cloud TPU para instructivos.

  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 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 con el comando gcloud.

    $ gcloud compute tpus execution-groups create \
     --vm-only \
     --name=resnet-rs-tutorial \
     --zone=europe-west4-a \
     --disk-size=300 \
     --machine-type=n1-standard-16 \
     --tf-version=2.6.0
     

    Descripciones de las marcas de comandos

    vm-only
    Crea solo una VM, no una TPU.
    name
    El nombre de la TPU que se creará.
    zone
    La zona en la que se creará 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.

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

  7. Cuando se te solicite, presiona y a fin de crear tus recursos de Cloud TPU.

    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.

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

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

  8. Instala los paquetes necesarios.

    $ pip3 install tensorflow-text==2.5.0 --no-deps

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=${STORAGE_BUCKET}/resnet-rs-2x
(vm)$ export IMAGENET_DIR=gs://cloud-tpu-test-datasets/fake_imagenet
(vm)$ export PYTHONPATH=/usr/share/models
(vm)$ export TPU_NAME=resnet-rs-tutorial

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.

Entrena y evalúa el modelo ResNet-RS con 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.

Para obtener información sobre cómo descargar y procesar el conjunto de datos de ImageNet completo, consulta la página sobrecómo descargar, preprocesar y subir el conjunto de datos de ImageNet.

  1. Crea una Cloud TPU con el comando gcloud.

    $ gcloud compute tpus execution-groups create \
     --tpu-only \
     --accelerator-type=v3-8  \
     --name=resnet-rs-tutorial \
     --zone=europe-west4-a \
     --tf-version=2.6.0

    Descripciones de las marcas de comandos

    tpu-only
    Crea una TPU únicamente, no crees una VM.
    accelerator-type
    El tipo de Cloud TPU que se creará.
    name
    El nombre de la TPU que se creará.
    zone
    La zona en la que se creará la Cloud TPU.
    tf-version
    La versión de TensorFlow instalada en la VM.
  2. Configura la variable de nombre TPU_NAME.

    (vm)$ export TPU_NAME=resnet-rs-tutorial
    
  3. Ejecuta la secuencia de comandos de entrenamiento.

    (vm)$ python3 /usr/share/models/official/vision/beta/train.py \
    --experiment=resnet_rs_imagenet \
    --mode=train_and_eval \
    --model_dir=$MODEL_DIR \
    --tpu=$TPU_NAME \
    --config_file=/usr/share/models/official/vision/beta/configs/experiments/image_classification/imagenet_resnetrs50_i160.yaml \
    --params_override="task.train_data.input_path=$IMAGENET_DIR/train*, task.validation_data.input_path=$IMAGENET_DIR/valid*, trainer.train_steps=100"
    

    Descripciones de las marcas de comandos

    experiment
    El nombre del experimento que se ejecutará.
    mode
    El modo en el que se ejecuta la secuencia de comandos. Los valores válidos son: “train”, “eval” o “train_and_eval”.
    model_dir
    El bucket de Cloud Storage en el que se almacenan los puntos de control y los resúmenes durante el entrenamiento. Puedes usar una carpeta existente para cargar puntos de control generados con anterioridad en una TPU del mismo tamaño y con la misma versión de TensorFlow.
    tpu
    Es el nombre de la TPU que se usará.
    config_file
    Es la ruta a un archivo de configuración de secuencia de comandos.
    params_override
    Anula la configuración establecida en el archivo de configuración de la secuencia de comandos.

Esto entrenará ResNet-RS para 100 pasos de entrenamiento y se completará en un nodo TPU v3-8 en menos de 5 minutos. El resultado de la secuencia de comandos de entrenamiento debe incluir texto como el siguiente:

{
  'train_loss': 1.435225,
  'train_accuracy': 0.00084427913
}

La secuencia de comandos de entrenamiento también realiza la evaluación. El resultado de la evaluación debe contener un texto como el siguiente:

Run stats:
{
  'eval_loss': 0.861013,
  'eval_acc': 0.001,
  'train_loss': 1.435225,
  'train_acc': 0.00084427913,
  'step_timestamp_log': [
    'BatchTimestamp<batch_index: 0,
    timestamp: 1606330585.7613473>',
    'BatchTimestamp<batch_index: 500,
    timestamp: 1606330883.8486104>',
    'BatchTimestamp<batch_index: 1000,
    timestamp: 1606331119.515312>',
    'BatchTimestamp<batch_index: 1251,
    timestamp: 1606331240.7516596>'
  ],
  'train_finish_time': 1606331296.395158,
  'avg_exp_per_second': 1951.6983246161021
}

Para entrenar el modelo ResNet-RS hasta la convergencia, omite el argumento trainer.train_steps=100 como se muestra en la siguiente secuencia de comandos. El entrenamiento y la evaluación se realizan en conjunto.

(vm)$ python3 /usr/share/models/official/vision/beta/train.py \
  --experiment=resnet_rs_imagenet \
  --mode=train_and_eval \
  --model_dir=$MODEL_DIR \
  --tpu=$TPU_NAME \
  --config_file=/usr/share/models/official/vision/beta/configs/experiments/image_classification/imagenet_resnetrs50_i160.yaml \
  --params_override="task.train_data.input_path=$IMAGENET_DIR/train*, task.validation_data.input_path=$IMAGENET_DIR/valid*"

Descripciones de las marcas de comandos

experiment
El nombre del experimento que se ejecutará.
mode
El modo en el que se ejecuta la secuencia de comandos. Los valores válidos son: “train”, “eval” o “train_and_eval”.
model_dir
El bucket de Cloud Storage en el que se almacenan los puntos de control y los resúmenes durante el entrenamiento. Puedes usar una carpeta existente para cargar puntos de control generados con anterioridad en una TPU del mismo tamaño y con la misma versión de TensorFlow.
tpu
Es el nombre de la TPU que se usará.
config_file
Es la ruta a un archivo de configuración de secuencia de comandos.
params_override
Anula la configuración establecida en el archivo de configuración de la secuencia de comandos.

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

En este punto, puedes finalizar este instructivo y limpiar tus recursos de GCP o puedes explorar con más detalle cómo ejecutar el modelo en los pods de Cloud TPU.

Escala a modelos más grandes

ResNet-RS proporciona una familia de modelos de tamaños diferentes, con modelos más grandes que suelen ser más precisos a un costo mayor. Para obtener más información, consulta Revisión de ResNets: entrenamiento mejorado y estrategias de escalamiento.

Puedes elegir el tamaño del modelo que quieres entrenar si cambias el archivo config_file en el siguiente comando.

(vm)$ python3 /usr/share/models/official/vision/beta/train.py \
  --experiment=resnet_rs_imagenet \
  --mode=train_and_eval \
  --model_dir=$MODEL_DIR \
  --tpu=$TPU_NAME \
  --config_file=/usr/share/models/official/vision/beta/configs/experiments/image_classification/imagenet_resnetrs200_i256.yaml \
  --params_override="task.train_data.input_path=$IMAGENET_DIR/train*, task.validation_data.input_path=$IMAGENET_DIR/valid*"

Los archivos de configuración disponibles están en /usr/share/models/official/vision/beta/configs/experiments/ en tu VM.

Escala tu modelo con pods de Cloud TPU

Puedes obtener resultados más rápidos si escalas tu modelo con pods de Cloud TPU. El modelo ResNet-RS-50 totalmente compatible puede funcionar con las siguientes porciones de Pod:

  • v2-32
  • v3-32

Con los pods de Cloud TPU, el entrenamiento y la evaluación se realizan en conjunto.

Entrena con pods de Cloud TPU

  1. Borra el recurso de Cloud TPU que creaste a fin de entrenar el modelo en un solo dispositivo.

    (vm)$ gcloud compute tpus execution-groups delete resnet-rs-tutorial \
      --zone=europe-west4-a \
      --tpu-only
  2. Crea un recurso de Cloud TPU nuevo para el pod con el parámetro accelerator-type a fin de especificar la porción de pod que deseas usar. Por ejemplo, el siguiente comando usa una porción de pod v3-32.

    (vm)$ gcloud compute tpus execution-groups  create --name=resnet-rs-tutorial \
      --accelerator-type=v3-32  \
      --zone=europe-west4-a \
      --tf-version=2.6.0 \
      --tpu-only
    

    Descripciones de las marcas de comandos

    name
    El nombre de la Cloud TPU para crear.
    accelerator-type
    El tipo de Cloud TPU que se creará.
    zone
    Es la zona en la que deseas crear la Cloud TPU.
    tf-version
    La versión de Tensorflow gcloud se instala en la VM.
    tpu-only
    Crea una Cloud TPU sola. De forma predeterminada, el comando gcloud crea una VM y una Cloud TPU.
  3. Ejecuta la secuencia de comandos de entrenamiento.

    (vm)$ python3 /usr/share/models/official/vision/beta/train.py \
    --experiment=resnet_rs_imagenet \
    --mode=train_and_eval \
    --model_dir=$MODEL_DIR \
    --tpu=$TPU_NAME \
    --config_file=/usr/share/models/official/vision/beta/configs/experiments/image_classification/imagenet_resnetrs50_i160.yaml \
    --params_override="task.train_data.input_path=$IMAGENET_DIR/train*, task.validation_data.input_path=$IMAGENET_DIR/valid*, trainer.train_steps=100"
    

    Descripciones de las marcas de comandos

    experiment
    El nombre del experimento que se ejecutará.
    mode
    El modo en el que se ejecuta la secuencia de comandos. Los valores válidos son: “train”, “eval” o “train_and_eval”.
    model_dir
    El bucket de Cloud Storage en el que se almacenan los puntos de control y los resúmenes durante el entrenamiento. Puedes usar una carpeta existente para cargar puntos de control generados con anterioridad en una TPU del mismo tamaño y con la misma versión de TensorFlow.
    tpu
    Es el nombre de la TPU que se usará.
    config_file
    Es la ruta a un archivo de configuración de secuencia de comandos.
    params_override
    Anula la configuración establecida en el archivo de configuración de la secuencia de comandos.

Esto entrenará ResNet-RS para 100 pasos de entrenamiento y se completará en un nodo TPU v3-8 en menos de 5 minutos. El resultado de la secuencia de comandos de entrenamiento debe incluir texto como el siguiente:

{
  'train_loss': 1.435225,
  'train_accuracy': 0.00084427913
}

La secuencia de comandos de entrenamiento también realiza la evaluación. El resultado de la evaluación debe contener un texto como el siguiente:

Run stats:
{
  'eval_loss': 0.861013,
  'eval_acc': 0.001,
  'train_loss': 1.435225,
  'train_acc': 0.00084427913,
  'step_timestamp_log': [
    'BatchTimestamp<batch_index: 0,
    timestamp: 1606330585.7613473>',
    'BatchTimestamp<batch_index: 500,
    timestamp: 1606330883.8486104>',
    'BatchTimestamp<batch_index: 1000,
    timestamp: 1606331119.515312>',
    'BatchTimestamp<batch_index: 1251,
    timestamp: 1606331240.7516596>'
  ],
  'train_finish_time': 1606331296.395158,
  'avg_exp_per_second': 1951.6983246161021
}

El entrenamiento y la evaluación se realizan en conjunto. Cada ciclo de entrenamiento tiene 1,251 pasos para un total de 112,590 pasos de entrenamiento y 48 pasos de evaluación.

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 resnet-rs-tutorial \
      --zone=europe-west4-a
    
  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=europe-west4-a
    

    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, entrenaste el modelo ResNet-RS 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.