ResNet in der Cloud TPU trainieren

Das Modell in dieser Anleitung basiert auf dem Framework Deep Residual Learning for Image Recognition, in dem erstmalig die Residualnetzwerkarchitektur (ResNet-Architektur) eingeführt wurde. In der Anleitung wird anhand der 50-Schichten-Variante "ResNet-50" gezeigt, wie Sie das Modell mit TPUEstimator trainieren. Das ResNet-50-Modell ist auf Ihrer Compute Engine-VM vorinstalliert.

Ziele

Cloud Storage-Bucket zum Speichern der Dataset- und Modellausgabe erstellen
Bereiten Sie eine Testversion des ImageNet-Datasets vor, die als Dataset fake_imagenet bezeichnet wird.
Trainingsjob ausführen
Ausgabeergebnisse überprüfen

Kosten

In dieser Anleitung werden kostenpflichtige Komponenten von Google Cloud verwendet, darunter:

Compute Engine
Cloud TPU
Cloud Storage

Sie können mithilfe des Preisrechners die Kosten für Ihre voraussichtliche Nutzung kalkulieren. Neuen Google Cloud-Nutzern steht möglicherweise eine kostenlose Testversion zur Verfügung.

Hinweise

Bevor Sie mit dieser Anleitung beginnen, prüfen Sie, ob Ihr Google Cloud-Projekt ordnungsgemäß eingerichtet ist.

Melden Sie sich bei Ihrem Google-Konto an.
Wenn Sie noch kein Konto haben, melden Sie sich hier für ein neues Konto an.

Wählen Sie in der Google Cloud Console auf der Seite der Projektauswahl ein Google Cloud-Projekt aus oder erstellen Sie eines.

Hinweis: Wenn Sie die Ressourcen, die Sie in diesem Verfahren erstellen, nicht behalten möchten, erstellen Sie ein Projekt, anstatt ein vorhandenes Projekt auszuwählen. Wenn Sie fertig sind, können Sie das Projekt löschen und dadurch alle mit dem Projekt verknüpften Ressourcen entfernen.

Zur Projektauswahl

Die Abrechnung für das Cloud-Projekt muss aktiviert sein. So prüfen Sie, ob die Abrechnung für Ihr Projekt aktiviert ist.

In dieser Anleitung werden kostenpflichtige Komponenten der Google Cloud verwendet. Rufen Sie die Seite mit den Cloud TPU-Preisen auf, um Ihre Kosten abzuschätzen. Denken Sie daran, nicht mehr benötigte Ressourcen zu bereinigen, um unnötige Kosten zu vermeiden.

Ressourcen einrichten

Dieser Abschnitt enthält Informationen zum Einrichten von Cloud Storage-, VM- und Cloud TPU-Ressourcen für Anleitungen.

Öffnen Sie ein Cloud Shell-Fenster.

Zu Cloud Shell
Erstellen Sie eine Variable für Ihre Projekt-ID.
```
export PROJECT_ID=project-id
```
Konfigurieren Sie das gcloud-Befehlszeilentool für das Projekt, in dem Sie eine Cloud TPU erstellen möchten.
```
gcloud config set project ${PROJECT_ID}
```
Wenn Sie diesen Befehl zum ersten Mal in einer neuen Cloud Shell-VM ausführen, wird die Seite Authorize Cloud Shell angezeigt. Klicken Sie auf Authorize unten auf der Seite, um es gcloud zu erlauben, GCP API-Aufrufe mit Ihren Anmeldedaten durchzuführen.

Erstellen Sie ein Dienstkonto für das Cloud TPU-Projekt.

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

Der Befehl gibt ein Cloud TPU-Dienstkonto im folgenden Format zurück:

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

Erstellen Sie mit dem folgenden Befehl einen Cloud Storage-Bucket:
```
gsutil mb -p ${PROJECT_ID} -c standard -l europe-west4 -b on gs://bucket-name
```
Dieser Cloud Storage-Bucket speichert die Daten, die Sie zum Trainieren Ihres Modells verwenden, und die Trainingsergebnisse. Das in dieser Anleitung verwendete Tool gcloud compute tpus execution-groups richtet Standardberechtigungen für das Cloud TPU-Dienstkonto ein. Wenn Sie weitere Berechtigungen benötigen, können Sie die Berechtigungen auf Zugriffsebene anpassen.

Der Bucket-Speicherort muss sich in derselben Region wie die virtuelle Maschine (VM) und der TPU-Knoten befinden. VMs und TPU-Knoten befinden sich in bestimmten Zonen, die Untergruppen innerhalb einer Region sind.
Starten Sie mit dem Befehl gcloud eine Compute Engine-VM und eine Cloud TPU.

Hinweis: In dieser Anleitung wird TensorFlow 1.15.5 verwendet, die auf dem Debian 10-Image basiert und standardmäßig Python 3.6 verwendet. Frühere Versionen von TensorFlow 1.15.x basieren auf Debian 9 und basieren standardmäßig auf Python 3.5.
```
$ gcloud compute tpus execution-groups create \
 --vm-only \
 --name=resnet-tutorial \
 --zone=europe-west4-a \
 --disk-size=300 \
 --machine-type=n1-standard-8 \
 --tf-version=1.15.5
```
Beschreibung der Befehls-Flags

vm-only

Erstellen Sie nur eine VM. Standardmäßig erstellt der Befehl gcloud compute tpus execution-groups eine VM und eine Cloud TPU.

name
Der Name der zu erstellenden Cloud TPU.
zone
Die Zone, in der Sie die Cloud TPU erstellen möchten.
disk-size
Die Größe des Laufwerks in GB der VM, die mit dem Befehl gcloud compute tpus execution-groups erstellt wurde.
machine-type
Der Maschinentyp der zu erstellenden Compute Engine-VM.
tf-version
Die Version von Tensorflow, die von ctpu auf der VM installiert wird.

Weitere Informationen zum Befehl gcloud finden Sie in der gcloud-Referenz.
Wenn Sie dazu aufgefordert werden, drücken Sie auf y, um Ihre Cloud TPU-Ressourcen zu erstellen.

Hinweis: Beim erstmaligen Ausführen von gcloud compute tpus execution-groups für ein Projekt dauert es bis zu 5 Minuten, bis alle Startprozesse wie die SSH-Schlüsselverbreitung und die API-Aktivierung abgeschlossen sind.

Wenn der Befehl gcloud compute tpus execution-groups ausgeführt wurde, prüfen Sie, ob die Shell-Eingabeaufforderung von username@projectname in username@vm-name geändert wurde. Diese Änderung bedeutet, dass Sie jetzt bei Ihrer Compute Engine-VM angemeldet sind.

Hinweis: Wenn Sie nicht mit der Compute Engine-Instanz verbunden sind, führen Sie den folgenden Befehl aus:
```
gcloud compute ssh resnet-tutorial --zone=europe-west4-a
```

Ab jetzt bedeutet das Präfix (vm)$, dass Sie den Befehl in der Compute Engine-VM-Instanz ausführen sollten.

Speicher-, Modell- und Datenpfade konfigurieren

Richten Sie die folgenden Umgebungsvariablen ein und ersetzen Sie bucket-name durch den Namen Ihres Cloud Storage-Buckets:

(vm)$ export STORAGE_BUCKET=gs://bucket-name
(vm)$ export MODEL_DIR=${STORAGE_BUCKET}/resnet
(vm)$ export DATA_DIR=gs://cloud-tpu-test-datasets/fake_imagenet
(vm)$ export PYTHONPATH="${PYTHONPATH}:/usr/share/tpu/models"

Die Trainingsanwendung erwartet, dass Ihre Trainingsdaten in Cloud Storage verfügbar sind. Die Trainingsanwendung verwendet Ihren Cloud Storage-Bucket zum Speichern von Prüfpunkten während des Trainings.

ResNet-Modell mit fake_imagenet trainieren und evaluieren

ImageNet ist eine Bilddatenbank. Die Bilder in der Datenbank sind in einer Hierarchie organisiert. Jeder Knoten der Hierarchie enthält Hunderte und Tausende von Bildern.

In dieser Anleitung wird eine Demoversion des vollständigen ImageNet-Datasets verwendet, die als fake_imagenet bezeichnet wird. Wenn Sie die Anleitung mit dieser Demoversionen durcharbeiten, können Sie den Speicher- und Zeitaufwand reduzieren, der normalerweise mit dem Ausführen eines Modells für die gesamte ImageNet-Datenbank verbunden ist.

Das Dataset "fake_imagenet" befindet sich an diesem Speicherort in Cloud Storage:

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

Das Dataset "fake_imagenet" dient nur zum Verständnis, wie eine Cloud TPU verwendet wird und wie die End-to-End-Leistung validiert wird. Die Genauigkeitszahlen und das gespeicherte Modell sind nicht aussagekräftig.

Informationen zum Herunterladen und Verarbeiten des vollständigen ImageNet-Datasets finden Sie unter Das ImageNet-Dataset herunterladen, vorverarbeiten und hochladen.

Starten Sie mit dem ctpu-Dienstprogramm eine Cloud TPU-Ressource.
```
(vm)$ gcloud compute tpus execution-groups create \
 --tpu-only \
 --accelerator-type=v3-8  \
 --name=resnet-tutorial \
 --zone=europe-west4-a \
 --tf-version=1.15.5
```
Beschreibung der Befehls-Flags

tpu-only

Erstellt die Cloud TPU, ohne eine VM zu erstellen. Standardmäßig werden mit dem Befehl gcloud compute tpus execution-groups eine VM und eine Cloud TPU erstellt.

accelerator-type
Der Typ der zu erstellenden Cloud TPU.
name
Der Name der zu erstellenden Cloud TPU.
zone
Die Zone, in der Sie die Cloud TPU erstellen möchten.
tf-version
Die Version von Tensorflow, die von ctpu auf der VM installiert wird.

Legen Sie die Cloud TPU-Namensvariable fest.

 (vm)$ export TPU_NAME=resnet-tutorial
 (vm)$ export ACCELERATOR_TYPE=v3-8

Navigieren Sie zum Modellverzeichnis:

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

Führen Sie das Trainingsskript aus.

Bei einem einzelnen Cloud TPU-Gerät wird das ResNet-50-Modell über 90 Epochen trainiert und die Ergebnisse werden nach jedem Trainingsschritt bewertet. Die Anzahl der Trainingsschritte wird mit dem Flag train_steps festgelegt. Mit der folgenden Skriptbefehlszeile sollte das Modell in etwa 15 Minuten trainiert werden.

Da das Training und die Bewertung für das fake_imagenet-Dataset durchgeführt werden, weichen die Trainings- und Bewertungsergebnisse von den tatsächlichen Ergebnisse ab, die Sie bei der Ausführung des Trainings und der Bewertung mit einem echten Dataset erhalten hätten.

Wenn Sie dieses Skript für ein echtes Dataset ausführen, verwenden Sie das Flag train_steps, um die Anzahl der Trainingsschritte anzugeben. In den .yaml-Dateien im Verzeichnis /usr/share/tpu/models/official/resnet/configs/cloud sehen Sie, wie viele Trainingsschritte Sie verwenden sollten.
```
 (vm)$ python3 resnet_main.py \
    --tpu=${TPU_NAME} \
    --data_dir=${DATA_DIR} \
    --model_dir=${MODEL_DIR} \
    --train_steps=500 \
    --config_file=configs/cloud/${ACCELERATOR_TYPE}.yaml
```
Beschreibung der Befehls-Flags

tpu

Gibt den Namen der Cloud TPU an. Beachten Sie, dass ctpu diesen Namen als Umgebungsvariable (TPU_NAME) an die Compute Engine-VM übergibt.

data_dir

Der Cloud Storage-Pfad der Trainingseingabe. In diesem Beispiel ist er auf das Dataset "fake_imagenet" festgelegt.

model_dir

Der Cloud Storage-Bucket, in dem während des Trainings Prüfpunkte und Zusammenfassungen gespeichert werden. Sie können einen vorhandenen Ordner verwenden, um zuvor generierte Prüfpunkte zu laden, die auf einer TPU derselben Größe und TensorFlow-Version erstellt wurden.

config_file

Gibt die YAML-Konfigurationsdatei an, die während des Trainings verwendet werden soll. Der Name dieser Datei entspricht dem verwendeten TPU-Typ. Beispiel: v2-8.yaml.

Die Ausgabe des Trainingsskripts sollte so aussehen:

Eval results at step 500: {
  'top_1_accuracy': 0.0010579427,
  'top_5_accuracy': 0.005391439,
  'global_step': 500,
  'loss': 8.253192
}

An dieser Stelle können Sie entweder diese Anleitung beenden und Ihre GCP-Ressourcen bereinigen oder die Ausführung des Modells auf Cloud TPU Pods kennenlernen.

Modell mit Cloud TPU Pods skalieren

Wenn Sie ein Modell mit Cloud TPU Pods skalieren, können Sie schneller Ergebnisse erzielen. Das vollständig unterstützte ResNet50-Modell kann mit den folgenden Pod-Slices verwendet werden:

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

Wenn Sie Cloud TPU Pods verwenden, trainieren Sie zuerst das Modell mit einem Pod und verwenden dann ein einzelnes Cloud TPU-Gerät, um das Modell zu bewerten.

Cloud TPU Pods trainieren

Löschen Sie die Cloud TPU-Ressource, die Sie zum Trainieren des Modells auf einem einzelnen Gerät erstellt haben.
```
(vm)$ gcloud compute tpus execution-groups delete resnet-tutorial \
  --zone=europe-west4-a \
  --tpu-only
```
Führen Sie den Befehl gcloud compute tpus execution-groups mit dem Parameter accelerator-type aus, um den Pod-Slice anzugeben, den Sie verwenden möchten. Der folgende Befehl verwendet beispielsweise einen v3-32-Pod-Slice.
```
(vm)$ gcloud compute tpus execution-groups  create --name=resnet-tutorial \
  --accelerator-type=v2-32  \
  --zone=europe-west4-a \
  --tf-version=1.15.5 \
  --tpu-only
```
Beschreibung der Befehls-Flags

name
Der Name der zu erstellenden Cloud TPU.
accelerator-type
Der Typ der zu erstellenden Cloud TPU.
zone
Die Zone, in der Sie die Cloud TPU erstellen möchten.
tf-version
Die Version von Tensorflow, die von gcloud auf der VM installiert wird.
tpu-only

Erstellen Sie nur eine Cloud TPU. Standardmäßig werden mit dem Befehl gcloud eine VM und eine Cloud TPU erstellt.
Aktualisieren Sie die Umgebungsvariablen TPU_NAME und ACCELERATOR_TYPE, um einen TPU-Pod-Namen als Beschleunigertyp anzugeben.
```
  (vm)$ export TPU_NAME=resnet-tutorial
  (vm)$ export ACCELERATOR_TYPE=v2-32
```
Aktualisieren Sie das Verzeichnis MODEL_DIR, um die Trainingsdaten zu speichern.
```
  (vm)$ export MODEL_DIR=${STORAGE_BUCKET}/resnet-tutorial
```
Trainieren Sie das Modell und aktualisieren Sie den Parameter config_file, um die Konfigurationsdatei zu verwenden, die dem Pod-Slice entspricht, den Sie verwenden möchten. Das Trainingsskript verwendet beispielsweise die Konfigurationsdatei v2-32.yaml.

Das Skript trainiert das Modell für das Dataset "fake_im oben" in 35 Epochen. Die Ausführung auf einer v3-128 Cloud TPU dauert ungefähr 90 Minuten.
```
(vm)$ python3 resnet_main.py \
  --tpu=${TPU_NAME} \
  --data_dir=${DATA_DIR} \
  --model_dir=${MODEL_DIR} \
  --train_steps=500 \
  --config_file=configs/cloud/${ACCELERATOR_TYPE}.yaml
```
Beschreibung der Befehls-Flags

tpu

Der Name Ihrer Cloud TPU.

data_dir

Der Cloud Storage-Pfad der Trainingseingabe. In diesem Beispiel ist er auf das Dataset "fake_imagenet" festgelegt.

model_dir

Der Cloud Storage-Bucket, in dem während des Trainings Prüfpunkte und Zusammenfassungen gespeichert werden. Sie können einen vorhandenen Ordner verwenden, um zuvor generierte Prüfpunkte zu laden, die auf einer TPU derselben Größe und TensorFlow-Version erstellt wurden.

train_steps

Die Anzahl der Schritte, die für das Training verwendet werden sollen.

config_file

Gibt die YAML-Konfigurationsdatei an, die während des Trainings verwendet werden soll. Der Name dieser Datei entspricht dem verwendeten TPU-Typ. Beispiel: v2-8.yaml.

Modell bewerten

In diesem Schritt verwenden Sie Cloud TPU, um das oben trainierte Modell anhand der Bewertungsdaten von "fake_imagenet" zu bewerten.

Löschen Sie die Cloud TPU-Ressource, die Sie zum Trainieren des Modells erstellt haben.

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

Cloud TPU-Pod-Ressource v3-8 erstellen
```
(vm)$ gcloud compute tpus execution-groups create \
  --tpu-only \
  --name=resnet-tutorial \
  --zone=europe-west4-a \
  --tf-version=1.15.5 \
  --accelerator-type=v2-8
```
Beschreibung der Befehls-Flags

tpu-only

Nur die Cloud TPU erstellen, keine Compute Engine.

name
Der Name der zu erstellenden Cloud TPU.
zone
Die Zone, in der Sie die Cloud TPU erstellen möchten.
tf-version
Die Version von Tensorflow, die von gcloud auf der VM installiert wird.
accelerator-type

Der Typ der zu erstellenden Cloud TPU.
Aktualisieren Sie die Umgebungsvariable TPU_NAME.
```
 (vm)$ export TPU_NAME=resnet-eval
```
Führen Sie die Modellbewertung aus. Fügen Sie dieses Mal das Flag mode hinzu und setzen Sie es auf eval.
```
 (vm)$ python3 resnet_main.py \
   --tpu=${TPU_NAME} \
   --data_dir=${DATA_DIR} \
   --model_dir=${MODEL_DIR} \
   --mode=eval \
   --config_file=configs/cloud/${ACCELERATOR_TYPE}.yaml
```
Beschreibung der Befehls-Flags

tpu

Die Cloud TPU für das Training.

data_dir

Der Cloud Storage-Pfad, in dem die Trainingsdaten gespeichert werden. In diesem Beispiel ist er auf das Dataset "fake_imagenet" festgelegt.

model_dir

Der Cloud Storage-Pfad, in dem Prüfpunkte und Zusammenfassungen während des Modelltrainings gespeichert werden. Sie können einen vorhandenen Ordner wiederverwenden, um zuvor generierte Prüfpunkte zu laden und zusätzliche Prüfpunkte zu speichern, sofern die vorherigen Prüfpunkte mit einer Cloud TPU derselben Größe und TensorFlow-Version erstellt wurden.

mode

Optionen: train, eval, train_and_eval oder predict.

config_file

Gibt die YAML-Konfigurationsdatei an, die während des Trainings verwendet werden soll. Der Name dieser Datei entspricht dem verwendeten TPU-Typ. Beispiel: v2-8.yaml.

Dadurch wird eine Ausgabe generiert, die etwa so aussieht:

Eval results: {
  'loss': 8.255788,
  'top_1_accuracy': 0.0009969076,
  'global_step': 0,
  'top_5_accuracy': 0.005126953
  }.
  Elapsed seconds: 76

Da das Dataset fake_imagenet für das Training und die Bewertung verwendet wurde, weichen die Ergebnisse von der tatsächlichen Ausgabe ab, die Sie bei Ausführung des Trainings und der Bewertung mit einem echten Dataset erhalten hätten.

Bereinigen

Damit Ihrem Google Cloud-Konto die in dieser Anleitung verwendeten Ressourcen nicht in Rechnung gestellt werden, löschen Sie entweder das Projekt, das die Ressourcen enthält, oder Sie behalten das Projekt und löschen die einzelnen Ressourcen.

Trennen Sie die Verbindung zur Compute Engine-Instanz, sofern noch nicht geschehen:
```
(vm)$ exit
```
Die Eingabeaufforderung sollte nun username@project lauten und angeben, dass Sie sich in Cloud Shell befinden.
Verwenden Sie in Cloud Shell den folgenden Befehl, um Ihre Compute Engine-VM und Cloud TPU zu löschen:
```
$ gcloud compute tpus execution-groups delete resnet-tutorial \
  --zone=europe-west4-a
```
Prüfen Sie, ob die Ressourcen gelöscht wurden. Führen Sie dazu gcloud compute tpus execution-groups list aus. Der Löschvorgang kann einige Minuten dauern. Eine Antwort wie die folgende gibt an, dass Ihre Instanzen erfolgreich gelöscht wurden.
```
$ gcloud compute tpus execution-groups list \
 --zone=europe-west4-a
```
Sie sollten eine leere Liste von TPUs wie die folgende sehen:
```
   NAME             STATUS
```
Löschen Sie den Cloud Storage-Bucket mit gsutil, wie unten gezeigt. Ersetzen Sie bucket-name durch den Namen Ihres Cloud Storage-Buckets.
```
$ gsutil rm -r gs://bucket-name
```

Nächste Schritte

In dieser Anleitung haben Sie das RESNET-Modell mithilfe eines Beispiel-Datasets trainiert. Die Ergebnisse dieses Trainings sind in den meisten Fällen nicht für die Inferenz verwendbar. Wenn Sie ein Modell für die Inferenz verwenden möchten, können Sie die Daten in einem öffentlich verfügbaren Dataset oder in Ihrem eigenen Dataset trainieren. Für Modelle, die auf Cloud TPUs trainiert wurden, müssen Datasets das Format TFRecord haben.

Sie können das Beispiel für das Dataset-Konvertierungstool verwenden, um ein Bildklassifizierungs-Dataset in das TFRecord-Format zu konvertieren. Wenn Sie kein Bildklassifizierungsmodell verwenden, müssen Sie das Dataset selbst in das TFRecords-Format konvertieren. Weitere Informationen finden Sie unter TFRecord und tf.Example

Hyperparameter-Abstimmung

Sie können die Hyperparameter des Modells optimieren, um die Leistung des Modells mit Ihrem Dataset zu verbessern. Informationen zu Hyperparametern, die für alle TPU-unterstützten Modelle üblich sind, finden Sie auf GitHub. Informationen zu modellspezifischen Hyperparametern finden Sie im Quellcode für die einzelnen Modelle. Weitere Informationen zur Hyperparameter-Abstimmung finden Sie unter Übersicht über Hyperparameter-Abstimmung, Hyperparameter-Abstimmungsdienst und Hyperparameter abstimmen.

Inferenz

Sobald Ihr Modell trainiert ist, können Sie es für Inferenz (auch als Vorhersage bezeichnet) verwenden. AI Platform ist eine cloudbasierte Lösung, mit der Sie Modelle für maschinelles Lernen entwickeln, trainieren und bereitstellen können. Sobald ein Modell bereitgestellt wurde, können Sie den AI Platform Prediction-Dienst verwenden.

Mehr über ctpu und die Installation auf einem lokalen Computer
TPU-Tools in TensorBoard
ResNet mit Cloud TPU und GKE trainieren
Anleitung für das RetinaNet-Objekterkennungsmodell durcharbeiten
SqueezeNet-Modell von TensorFlow auf Cloud TPU ausführen. Verwenden Sie dazu die Anleitung oben als Ausgangspunkt. Die Modellarchitekturen für SqueezeNet und ResNet-50 sind ähnlich. Sie können dieselben Daten und Befehlszeilen-Flags zum Trainieren des Modells verwenden.

ResNet in der Cloud TPU trainieren

Ziele

Kosten

Hinweise

Ressourcen einrichten

Beschreibung der Befehls-Flags

Speicher-, Modell- und Datenpfade konfigurieren

ResNet-Modell mit fake_imagenet trainieren und evaluieren

Beschreibung der Befehls-Flags

Beschreibung der Befehls-Flags

Modell mit Cloud TPU Pods skalieren

Cloud TPU Pods trainieren

Beschreibung der Befehls-Flags

Beschreibung der Befehls-Flags

Modell bewerten

Beschreibung der Befehls-Flags

Beschreibung der Befehls-Flags

Bereinigen

Nächste Schritte

Hyperparameter-Abstimmung

Inferenz