Modelos de referencia compatibles

Cloud TPU proporciona el siguiente conjunto de modelos de referencia que están optimizados para un entrenamiento rápido y preciso.

En la siguiente tabla, se muestran las versiones principales y secundarias de TensorFlow y PyTorch que son compatibles con Cloud TPU en la actualidad. La numeración de las versiones de TensorFlow cambió con la versión 2.5.0. En el futuro, los números de actualización principales de TensorFlow terminarán con “0” y todos los números de actualización de parche terminarán con “0”. Por ejemplo, TF 2.5.0 es una actualización importante y TF 2.4.1 es una versión secundaria. Para ejecutar la última versión compatible, comprueba si hay versiones de parche hasta la versión principal. Si es así, puedes ejecutar la última versión de parche compatible en lugar de la versión principal.
Framework Versión principal Categoría del modelo Modelos de referencia Versiones compatibles
TensorFlow 2.x Image Classification ResNet-2.x,MNIST-2.x,EfficientNet-2.x, 2.1, 2.2, 2.3, 2.4, 2.5.0 y 2.6.0
Modelado de lenguajes Transformer-2.x,BERT-2.x 2.1, 2.2, 2.3, 2.4, 2.5.0 y 2.6.0
Modelado de lenguajes XlNet-2.x 2.4, 2.5.0
Object Detection RetinaNet‑2.x 2.1, 2.2, 2.3, 2.4, 2.5.0 y 2.6.0
Segmentación de imágenes Mask-RCNN-2.x 2.2, 2.3, 2.4, 2.5.0 y 2.6.0
Segmentación de imágenes ShapeMask-2.x 2.3, 2.4, 2.5.0 y 2.6.0
Sistemas de recomendación DLRM-2.x, DCN-2.x 2.5.0, 2.6.0
Sistemas de recomendación NCF-2.x 2.3, 2.4, 2.5.0 y 2.6.0
1.x Image Classification ResNet, AmoebaNet, MNasNet, MNIST, EffectiveNet 1.15
Modelado de lenguajes Transformer, BERT 1.15
Object Detection RetinaNet 1.15
PyTorch 1.x Image Classification ResNet-PyTorch 1.9
Modelado de lenguajes FairSeq Transformer, FairSeq RoBERTa Wav2Vec2 1.9
Reconocimiento de voz Wav2Vec2 1.9
Sistemas de recomendación DLRM 1.9
JAX/FLAX más recientes Image Classification ResNet50 más recientes