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

---

En este documento se describe una implementación del modelo de detección de objetos RetinaNet. El código está disponible en GitHub.

En las siguientes instrucciones, se supone que ya estás familiarizado con la ejecución de un modelo en Cloud TPU. Si eres nuevo en Cloud TPU, puedes consultar la guía de inicio rápido para obtener una introducción básica.

Si planeas entrenar en una porción de pod de TPU, revisa la página sobre el entrenamiento en pods de TPU para comprender los cambios de parámetros necesarios cuando trabajas con porciones de pod.

Advertencia: En este instructivo, se usa un conjunto de datos de terceros. Google no hace ninguna declaración ni proporciona garantía alguna acerca de la validez o cualquier otro aspecto de este conjunto de datos.

Objetivos

• Prepara el conjunto de datos COCO
• Crear un bucket de Cloud Storage para almacenar el resultado de tu modelo y tu conjunto de datos
• Configura recursos de TPU para el entrenamiento y la evaluación
• Ejecutar el entrenamiento y la evaluación en un solo Cloud TPU o un pod de Cloud TPU

Costos

En este documento, usarás los siguientes componentes facturables de Google Cloud:

• Compute Engine
• Cloud TPU
• Cloud Storage

Para generar una estimación de costos en función del uso previsto, usa la calculadora de precios. Es posible que los usuarios nuevos de Google Cloud califiquen para obtener una prueba gratuita.

Antes de comenzar

Antes de comenzar este instructivo, verifica que tu proyecto de Google Cloud esté configurado correctamente.

1. Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

2. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

3. Make sure that billing is enabled for your Google Cloud project.

4. In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

   Note: If you don't plan to keep the resources that you create in this procedure, create a project instead of selecting an existing project. After you finish these steps, you can delete the project, removing all resources associated with the project.

   Go to project selector

5. Make sure that billing is enabled for your Google Cloud project.

En esta explicación, se usan componentes facturables de Google Cloud. Consulta la página de precios de Cloud TPU para calcular los costos.

Prepara el conjunto de datos COCO

En este instructivo, se usa el conjunto de datos COCO. El conjunto de datos debe estar en formato TFRecord en un bucket de Cloud Storage para usarse en el entrenamiento.

Si ya tienes el conjunto de datos COCO preparado en un bucket de Cloud Storage que se encuentra en la zona que utilizarás para para entrenar el modelo, puedes ir directamente al entrenamiento en un solo dispositivo. De lo contrario, sigue estos pasos para preparar el conjunto de datos.

1. Abre una ventana de Cloud Shell.

   Abra Cloud Shell

2. En Cloud Shell, configura gcloud con tu proyecto. ID.

   export PROJECT_ID=project-id
   gcloud config set project ${PROJECT_ID}

3. En Cloud Shell, crea un bucket de Cloud Storage con el siguiente comando:

   Nota: En el siguiente comando, reemplaza bucket-name por el nombre que deseas asignar a tu depósito.

   gcloud storage buckets create gs://bucket-name --project=${PROJECT_ID} --location=us-central2

4. Crea una VM de Compute Engine para descargar y procesar previamente el conjunto de datos. Para obtener más información, consulta Crea y, luego, inicia una instancia de Compute Engine.

   $ gcloud compute instances create vm-name \
       --zone=us-central2-b \
       --image-family=ubuntu-2204-lts \
       --image-project=ubuntu-os-cloud \
       --machine-type=n1-standard-16 \
       --boot-disk-size=300GB

5. Conéctate a la VM de Compute Engine mediante SSH:

   $ gcloud compute ssh vm-name --zone=us-central2-b

   Cuando te conectes a la VM, el indicador de shell cambiará de username@projectname a username@vm-name.

6. Configura dos variables, una para el bucket de almacenamiento que creó anteriormente y otra para el directorio que contiene los datos de entrenamiento (DATA_DIR) en el bucket de almacenamiento

   (vm)$ export STORAGE_BUCKET=gs://bucket-name

   (vm)$ export DATA_DIR=${STORAGE_BUCKET}/coco

7. Instala los paquetes necesarios para procesar los datos con anterioridad.

   (vm)$ sudo apt-get update && \
     sudo apt-get install python3-pip && \
     sudo apt-get install -y python3-tk && \
     pip3 install --user Cython matplotlib opencv-python-headless pyyaml Pillow numpy absl-py tensorflow && \
     pip3 install --user "git+https://github.com/cocodataset/cocoapi#egg=pycocotools&subdirectory=PythonAPI"

8. Ejecuta la secuencia de comandos download_and_preprocess_coco.sh para convertir el conjunto de datos COCO en un conjunto de archivos TFRecord (*.tfrecord), que son compatibles con la aplicación de entrenamiento.

   (vm)$ git clone https://github.com/tensorflow/tpu.git
   (vm)$ sudo bash tpu/tools/datasets/download_and_preprocess_coco.sh ./data/dir/coco

   Esto instala las bibliotecas necesarias y ejecuta la secuencia de comandos de procesamiento previo. Como resultado, se muestran archivos *.tfrecord en tu directorio de datos local. La secuencia de comandos de conversión y descarga de COCO tarda aproximadamente una hora en completarse.

9. Copia los datos en tu bucket de Cloud Storage.

   Después de convertir los datos al formato TFRecord, cópialos del almacenamiento local a tu bucket de Cloud Storage con la CLI de gcloud. También debes copiar los archivos de anotaciones. Estos archivos ayudan a validar el rendimiento del modelo.

   (vm)$ gcloud storage cp ./data/dir/coco/*.tfrecord ${DATA_DIR}
   (vm)$ gcloud storage cp ./data/dir/coco/raw-data/annotations/*.json ${DATA_DIR}

10. Desconéctate de la VM de Compute Engine:

    (vm)$ exit

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

11. Borra tu VM de Compute Engine:

    $ gcloud compute instances delete vm-name \
    --zone=us-central2-b

Entrenamiento de un solo dispositivo de Cloud TPU

Nota: ¿Quieres entrenar el modelo con un pod de Cloud TPU? Consulta Entrenamiento de pod de TPU TPU.

Importante: Configura tu VM de Compute Engine, tu nodo de Cloud TPU y tu bucket de Cloud Storage en la misma región y zona para reducir la latencia y los costos de red.

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 Google Cloud CLI para usar el proyecto en el que quieres 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 Google Cloud 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:

   [e-mail]
   

5. Crea un bucket de Cloud Storage con el siguiente comando:

   Nota: En el siguiente comando, reemplaza bucket-name por el nombre que deseas asignar a tu depósito.

   gcloud storage buckets create gs://bucket-name --project=${PROJECT_ID} --location=europe-west4

   En este bucket de Cloud Storage se almacenan 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 el servicio de Cloud TPU Cuenta que configuraste en el paso anterior. Si quieres contar con permisos más detallados, revisa los permisos de nivel de acceso.

Configurar y ejecutar Cloud TPU

1. Inicia una VM de Compute Engine y Cloud TPU con el comando gcloud.

   $ gcloud compute tpus tpu-vm create retinanet-tutorial \
   --zone=europe-west4-a \
   --accelerator-type=v3-8 \
   --version=tpu-vm-tf-2.17.0-pjrt

   Descripciones de las marcas de comandos

   zone

   Es la zona en la que deseas crear la Cloud TPU.

   accelerator-type

   El tipo de acelerador especifica la versión y el tamaño de la Cloud TPU que deseas crear. Para obtener más información sobre los tipos de aceleradores compatibles con cada versión de TPU, consulta Versiones de TPU.

   version

   La versión de software de Cloud TPU.

   Nota: Si tienes más de un proyecto, debes especificar el ID del proyecto con la marca --project.

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

   Nota: La primera vez que ejecutas gcloud compute tpus en un proyecto, tarda unos 5 minutos en realizar las tareas de inicio, como la propagación de claves SSH y la activación de la API.

2. Conéctate a la instancia de Compute Engine con SSH. Cuando te conectes a la VM, el indicador de shell cambiará de username@projectname a username@vm-name:

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

   Punto clave: A partir de este punto, el prefijo (vm) $ significa que debes ejecutar el comando en la instancia de VM de Compute Engine.

3. Instala paquetes adicionales

   La aplicación de entrenamiento RetinaNet requiere varios paquetes adicionales. Instálalos ahora:

   (vm)$ sudo apt-get install -y python3-tk
   (vm)$ pip3 install --user Cython matplotlib opencv-python-headless pyyaml Pillow
   (vm)$ pip3 install --user 'git+https://github.com/cocodataset/cocoapi#egg=pycocotools&subdirectory=PythonAPI'

4. Instala los requisitos de TensorFlow.

   (vm)$ pip3 install -r /usr/share/tpu/models/official/requirements.txt

5. Configura la variable de nombre de Cloud TPU.

   (vm)$ export TPU_NAME=local

6. Agrega variables de entorno para los directorios de datos y modelos.

   (vm)$ export STORAGE_BUCKET=gs://bucket-name
   (vm)$ export DATA_DIR=${STORAGE_BUCKET}/coco
   (vm)$ export MODEL_DIR=${STORAGE_BUCKET}/retinanet-train
   (vm)$ export PYTHONPATH="${PWD}/models:${PYTHONPATH}"

7. Cuando creas tu TPU, si estableces el parámetro --version en una versión que termina en -pjrt, establece las siguientes variables de entorno para habilitar el entorno de ejecución de PJRT:

     (vm)$ export NEXT_PLUGGABLE_DEVICE_USE_C_API=true
     (vm)$ export TF_PLUGGABLE_DEVICE_LIBRARY_PATH=/lib/libtpu.so

8. Ve al directorio en el que se almacena el modelo:

   (vm)$ cd /usr/share/tpu/models/official/legacy/detection

Entrenamiento de dispositivos de una sola Cloud TPU

Las siguientes secuencias de comandos de entrenamiento se ejecutaron en una Cloud TPU v3-8. Tomará más tiempo, pero también puedes ejecutarlas en una Cloud TPU v2-8.

La siguiente secuencia de comandos de muestra entrena solo en 10 pasos y tarda menos de 5 minutos en ejecutarse en una TPU v3-8. El entrenamiento para la convergencia lleva alrededor de 22,500 pasos y aproximadamente 1 hora y media en una TPU de Cloud TPU v3-8.

1. Configura las siguientes variables de entorno:

   (vm)$ export RESNET_CHECKPOINT=gs://cloud-tpu-checkpoints/retinanet/resnet50-checkpoint-2018-02-07
   (vm)$ export TRAIN_FILE_PATTERN=${DATA_DIR}/train-*
   (vm)$ export EVAL_FILE_PATTERN=${DATA_DIR}/val-*
   (vm)$ export VAL_JSON_FILE=${DATA_DIR}/instances_val2017.json

2. Ejecuta la secuencia de comandos de entrenamiento:

   (vm)$ python3 main.py \
        --strategy_type=tpu \
        --tpu=${TPU_NAME} \
        --model_dir=${MODEL_DIR} \
        --mode="train" \
        --params_override="{ type: retinanet, train: { total_steps: 10, checkpoint: { path: ${RESNET_CHECKPOINT}, prefix: resnet50/ }, train_file_pattern: ${TRAIN_FILE_PATTERN} }, eval: { val_json_file: ${VAL_JSON_FILE}, eval_file_pattern: ${EVAL_FILE_PATTERN}, eval_samples: 5000 } }"

   Descripciones de las marcas de comandos

   strategy_type

   Para entrenar el modelo RetinaNet en una TPU, debes establecer la distribution_strategy a tpu.

   tpu

   El nombre de Cloud TPU. Se configura con la variable de entorno TPU_NAME.

   model_dir

   El bucket de Cloud Storage en el que se encuentran los puntos de control y los resúmenes almacenados durante el entrenamiento. Puedes usar una carpeta existente para cargar puntos de control generados anteriormente y creados en una TPU del mismo tamaño y Versión de TensorFlow.

   mode

   Establece esto como train para entrenar el modelo o eval para evaluar el modelo.

   params_override

   Una string JSON que anula parámetros de secuencia de comandos predeterminados. Para obtener más información sobre los parámetros de secuencias de comandos, consulta /usr/share/models/official/legacy/detection/main.py.

El modelo se entrenará durante 10 pasos en unos 5 minutos en una TPU v3-8. Cuando el entrenamiento se completó, verás un resultado similar al siguiente:

Train Step: 10/10  / loss = {
  'total_loss': 2.4581615924835205,
  'cls_loss': 1.4098565578460693,
  'box_loss': 0.012001709081232548,
  'model_loss': 2.0099422931671143,
  'l2_regularization_loss': 0.44821977615356445,
  'learning_rate': 0.008165999
}
/ training metric = {
  'total_loss': 2.4581615924835205,
  'cls_loss': 1.4098565578460693,
  'box_loss': 0.012001709081232548,
  'model_loss': 2.0099422931671143,
  'l2_regularization_loss': 0.44821977615356445,
 'learning_rate': 0.008165999
}

Evaluación de dispositivos de una sola Cloud TPU

En el siguiente procedimiento se usan los datos de evaluación de COCO. Tarda alrededor de 10 minutos para ejecutar los pasos de evaluación en una TPU v3-8.

1. Configura las siguientes variables de entorno:

   (vm)$ export EVAL_SAMPLES=5000

2. Ejecuta la secuencia de comandos de evaluación:

   (vm)$ python3 main.py \
         --strategy_type=tpu \
         --tpu=${TPU_NAME} \
         --model_dir=${MODEL_DIR} \
         --checkpoint_path=${MODEL_DIR} \
         --mode=eval_once \
         --params_override="{ type: retinanet, eval: { val_json_file: ${VAL_JSON_FILE}, eval_file_pattern: ${EVAL_FILE_PATTERN}, eval_samples: ${EVAL_SAMPLES} } }"

   Descripciones de las marcas de comandos

   strategy_type

   La estrategia de distribución que se usará. Ya sea tpu o multi_worker_gpu.

   tpu

   El nombre de Cloud TPU. Se establece con el Variable de entorno TPU_NAME.

   model_dir

   El bucket de Cloud Storage en el que se encuentran los puntos de control y los resúmenes almacenados durante el entrenamiento. Puedes usar una carpeta existente para cargar puntos de control generados con anterioridad creados en una TPU del mismo tamaño y con la misma versión de TensorFlow.

   mode

   Puede ser train, eval o train_and_eval.

   params_override

   Una string JSON que anula parámetros de secuencia de comandos predeterminados. Para ver más sobre los parámetros de secuencias de comandos, consulta /usr/share/models/official/legacy/detection/main.py

   Al final de la evaluación, verás mensajes similares a los siguientes: en la consola:

   Accumulating evaluation results...
   DONE (t=7.66s).
    Average Precision  (AP) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.000
    Average Precision  (AP) @[ IoU=0.50      | area=   all | maxDets=100 ] = 0.000
    Average Precision  (AP) @[ IoU=0.75      | area=   all | maxDets=100 ] = 0.000
    Average Precision  (AP) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.000
    Average Precision  (AP) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.000
    Average Precision  (AP) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.000
    Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets=  1 ] = 0.000
    Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets= 10 ] = 0.000
    Average Recall     (AR) @[ IoU=0.50:0.95 | area=   all | maxDets=100 ] = 0.000
    Average Recall     (AR) @[ IoU=0.50:0.95 | area= small | maxDets=100 ] = 0.000
    Average Recall     (AR) @[ IoU=0.50:0.95 | area=medium | maxDets=100 ] = 0.000
    Average Recall     (AR) @[ IoU=0.50:0.95 | area= large | maxDets=100 ] = 0.000
   

Completaste el entrenamiento y la evaluación de un solo dispositivo. Sigue los pasos que se indican a continuación para borrar los recursos actuales de TPU de dispositivo único.

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 TPU.

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

   Descripciones de las marcas de comandos

   zone

   La zona en la que Cloud TPU su lugar de residencia.

Escala tu modelo con pods de Cloud TPU

Es posible que entrenar tu modelo en pods de Cloud TPU requiera algunos cambios en tu secuencia de comandos de entrenamiento. Para obtener más información, consulta Entrenamiento en pods de TPU.

Entrena RetinaNet en un pod de TPU

Importante: Si ya configuraste un proyecto de Cloud TPU, una cuenta de servicio bucket de almacenamiento y conjunto de datos para el entrenamiento en un solo dispositivo, puedes pasar al iniciar y configurar recursos de TPU.

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 Google Cloud CLI para usar el proyecto en el que quieres 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 Google Cloud con tu Credenciales de Google Cloud.

4. Crea una cuenta de servicio para el proyecto de Cloud TPU.

   Las cuentas de servicio permiten que el servicio de Cloud TPU acceda a otros Google Cloud de Google Cloud.

   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:

   [e-mail]
   

5. Crea un bucket de Cloud Storage con el siguiente comando o usa un bucket que hayas creado antes para tu proyecto.

   Importante: Configura tus recursos de Cloud TPU y tu bucket de Cloud Storage en la misma región y zona para reducir la latencia y los costos de red. Las Cloud TPU se encuentran en zonas específicas, que son subdivisiones dentro de una región.

   En el siguiente comando, reemplaza europe-west4 por el nombre de Es la región que usarás para ejecutar el entrenamiento. Reemplaza bucket-name por el nombre que deseas asignarle a tu bucket.

   gcloud storage buckets create gs://bucket-name \
     --project=${PROJECT_ID} \
     --location=europe-west4

   En este bucket de Cloud Storage se almacenan los datos que usas para entrenar tu modelo y los resultados del entrenamiento. Con el comando gcloud 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 tus recursos de TPU.

6. Si ya preparaste el conjunto de datos de COCO y lo trasladaste a tu bucket de almacenamiento, puedes volver a usarlo para el entrenamiento de pods. Si aún no te has preparado el conjunto de datos COCO, prepáralo ahora y regresa aquí para configurar para completar la capacitación.

7. Configura y, luego, inicia un pod de Cloud TPU

   En este instructivo, se especifica un Pod v3-32. Para conocer otras opciones de Pod, consulta Versiones de TPU.

   Nota: Si no hay suficiente capacidad disponible para crear el pod de TPU, puedes poner en cola tu solicitud con recursos en cola. Los recursos en cola te permiten recibir capacidad una vez que esté disponible. Para solicitar tus recursos de Cloud TPU como recursos en cola, usa el gcloud compute tpus queued-resources create en su lugar. Para obtener más información, consulta Administra recursos en cola.

   Inicia un pod de VM de TPU con el comando gcloud compute tpus tpu-vm. Esta del instructivo especifica un Pod v3-32. Para conocer otras opciones de Pod, consulta la página de tipos de TPU disponibles.

   $ gcloud compute tpus tpu-vm create retinanet-tutorial \
     --zone=europe-west4-a \
     --accelerator-type=v3-32 \
     --version=tpu-vm-tf-2.17.0-pod-pjrt
    

   Descripciones de las marcas de comandos

   zone

   Es la zona en la que deseas crear la Cloud TPU.

   accelerator-type

   El tipo de acelerador especifica la versión y el tamaño de la Cloud TPU que deseas crear. Para obtener más información sobre los tipos de aceleradores compatibles con cada versión de TPU, consulta Versiones de TPU.

   version

   La versión de software de Cloud TPU.

   Nota: La primera vez que ejecutas gcloud en un proyecto, tarda alrededor de 5 minutos en realizar tareas de inicio, como la clave SSH y la activación de la API.

8. Conéctate a la instancia de VM de TPU con SSH. Cuando te conectes a la VM, el indicador de shell cambiará de username@projectname a username@vm-name:

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

   Punto clave: A partir de este momento, el prefijo (vm) $ significa que deberías ejecuta el comando en la instancia de VM de Compute Engine. comienza con (vm)$ en la ventana de sesión de la VM.

9. Configura la variable de nombre de Cloud TPU.

   (vm)$ export TPU_NAME=retinanet-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=${STORAGE_BUCKET}/retinanet-train
    (vm)$ export DATA_DIR=${STORAGE_BUCKET}/coco

    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. Instala paquetes adicionales

    La aplicación de entrenamiento RetinaNet requiere varios paquetes adicionales. Instala ahora:

    (vm)$ sudo apt-get install -y python3-tk
    (vm)$ pip3 install --user Cython matplotlib opencv-python-headless pyyaml Pillow
    (vm)$ pip3 install --user 'git+https://github.com/cocodataset/cocoapi#egg=pycocotools&subdirectory=PythonAPI'

12. Instala los requisitos de TensorFlow.

    (vm)$ pip3 install -r /usr/share/tpu/models/official/requirements.txt

13. Configura algunas variables de entorno obligatorias:

    (vm)$ export RESNET_PRETRAIN_DIR=gs://cloud-tpu-checkpoints/retinanet/resnet50-checkpoint-2018-02-07
    (vm)$ export TRAIN_FILE_PATTERN=${DATA_DIR}/train-*
    (vm)$ export EVAL_FILE_PATTERN=${DATA_DIR}/val-*
    (vm)$ export VAL_JSON_FILE=${DATA_DIR}/instances_val2017.json
    (vm)$ export PYTHONPATH="${PWD}/models:${PYTHONPATH}"
    (vm)$ export TPU_LOAD_LIBRARY=0

14. Ve al directorio en el que se almacena el modelo:

    (vm)$ cd /usr/share/tpu/models/official/legacy/detection

15. Entrena el modelo

    (vm)$ python3 main.py \
      --strategy_type=tpu \
      --tpu=${TPU_NAME} \
      --model_dir=${MODEL_DIR} \
      --mode=train \
      --model=retinanet \
      --params_override="{architecture: {use_bfloat16: true}, eval: {batch_size: 40, eval_file_pattern: ${EVAL_FILE_PATTERN}, val_json_file: ${VAL_JSON_FILE}}, postprocess: {pre_nms_num_boxes: 1000}, predict: {batch_size: 40}, train: {batch_size: 256, checkpoint: {path: ${RESNET_PRETRAIN_DIR}, prefix: resnet50/}, iterations_per_loop: 5000, total_steps: 5625, train_file_pattern: ${TRAIN_FILE_PATTERN}, } }" 

    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 Cloud TPU del mismo tamaño y versión de TensorFlow.

    params_override

    Una string JSON que anula parámetros de secuencia de comandos predeterminados. Para ver más información sobre los parámetros de secuencia de comandos, consulta /usr/share/tpu/models/official/legacy/detection/main.py.

    Este procedimiento entrena el modelo en el conjunto de datos de COCO para el entrenamiento de 5,625. pasos. Este entrenamiento tarda alrededor de 20 minutos en una TPU v3-32. Cuando se complete el entrenamiento, aparecerá un mensaje similar al siguiente:

Cuando finalice el entrenamiento, aparecerá un mensaje similar al siguiente:

   Train Step: 5625/5625  / loss = {'total_loss': 0.730501651763916,
   'cls_loss': 0.3229793608188629, 'box_loss': 0.003082591574639082,
   'model_loss': 0.4771089553833008, 'l2_regularization_loss': 0.2533927261829376,
   'learning_rate': 0.08} / training metric = {'total_loss': 0.730501651763916,
   'cls_loss': 0.3229793608188629, 'box_loss': 0.003082591574639082,
   'model_loss': 0.4771089553833008, 'l2_regularization_loss': 0.2533927261829376,
   'learning_rate': 0.08} 

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 VM de Compute Engine:

   (vm)$ exit

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

2. Borra tus recursos de Cloud TPU y Compute Engine.

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

3. Ejecuta gcloud compute tpus tpu-vm list para verificar que los recursos se hayan borrado. La eliminación puede tardar varios minutos. Una respuesta como la que se muestra a continuación indica que tus instancias se borraron de forma correcta.

   $ gcloud compute tpus tpu-vm list --zone=europe-west4-a

   Listed 0 items.
   

4. Borra el bucket de Cloud Storage. Reemplaza bucket-name por el nombre de tu bucket de Cloud Storage.

5. Borra el bucket de Cloud Storage con gcloud CLI como se muestra en el siguiente ejemplo. Reemplaza bucket-name por el nombre de tu bucket de Cloud Storage.

   $ gcloud storage rm gs://bucket-name --recursive

Nota: Para conocer los límites de almacenamiento gratuito y otra información sobre precios, consulta la guía de precios de Cloud Storage.

¿Qué sigue?

Los instructivos de TensorFlow Cloud TPU suelen entrenar el modelo con un conjunto de datos de muestra. Los resultados de este entrenamiento 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. Por lo general, los modelos de TensorFlow 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 la hiperparámetros. 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 la fuente de la aplicación para cada un modelo de responsabilidad compartida. Para obtener más información sobre el ajuste de hiperparámetros, consulta Descripción general de ajuste de hiperparámetros y ajustes hiperparámetros.

Inferencia

Una vez que hayas entrenado tu modelo, puedes usarlo para inferencias (también denominado predicciones). Puedes usar el conversor de inferencia de Cloud TPU de desarrollo de software para preparar y optimizar un Modelo de TensorFlow para inferencias en Cloud TPU v5e. Para obtener más información sobre la inferencia en Cloud TPU v5e, consulta la Introducción a la inferencia de Cloud TPU v5e.

Entrena con diferentes tamaños de imagen

Puedes explorar con una red troncal más grande (por ejemplo, ResNet-101 en lugar de ResNet-50). Una imagen de entrada más grande y una red troncal más potente producirán un modelo más lento, pero más preciso.

Usa una base diferente

De manera alternativa, puedes explorar con el entrenamiento previo de un modelo ResNet en tu propio conjunto de datos y usarlo como base para tu modelo RetinaNet. Con un poco más de trabajo, también puedes intercambiar ResNet por una red troncal alternativa. Por último, si te interesa implementar tus propios modelos de detección de objetos, esta red puede ser una buena base para seguir experimentando.