Modèles de référence compatibles

Cloud TPU fournit les modèles de référence compatibles suivants, optimisés pour un entraînement rapide et précis.

Le tableau suivant présente les versions majeures et mineures de TensorFlow et de PyTorch actuellement compatibles avec Cloud TPU. La numérotation des versions de TensorFlow a été modifiée avec la version 2.5.0. Les numéros de version principaux de TensorFlow se terminent par "0" et tous les numéros de version de correctif se terminent par des chiffres supérieurs à "0". Par exemple, TF 2.5.0 est une version majeure et TF 2.4.1 est une version mineure. Pour exécuter la dernière version compatible, vérifiez s'il existe des versions de correctif dans la version majeure. Si tel est le cas, vous pouvez exécuter la dernière version de correctif compatible plutôt que la version majeure.
Framework Version majeure Catégorie du modèle Modèles de référence Versions compatibles
TensorFlow 2.x Classification d'images ResNet-2.x, MNIST-2.x, EfficientNet-2.x 2.1, 2.2, 2.3, 2.4, 2.5.0, 2.6.0
Modélisation du langage Transformer-2.x, BERT-2.x 2.1, 2.2, 2.3, 2.4, 2.5.0, 2.6.0
Modélisation du langage XlNet-2.x 2.4, 2.5.0
Détection d'objets RetinaNet-2.x 2.1, 2.2, 2.3, 2.4, 2.5.0, 2.6.0
Segmentation d'image Mask-RCNN-2.x 2.2, 2.3, 2.4, 2.5.0, 2.6.0
Segmentation d'image ShapeMask-2.x 2.3, 2.4, 2.5.0, 2.6.0
Systèmes de recommandation DLRM-2.x, DCN-2.x 2.5.0, 2.6.0
Systèmes de recommandation NCF-2.x 2.3, 2.4, 2.5.0, 2.6.0
1.x Classification d'images ResNet, AmoebaNet, MNasNet, MNIST, EfficientNet 1.15
Modélisation du langage Transformer, BERT 1.15
Détection d'objets RetinaNet 1.15
PyTorch 1.x Classification d'images ResNet-PyTorch 1.10
Modélisation du langage FairSeq Transformer, FairSeq RoBERTa, Wav2Vec2 1.10
Reconnaissance vocale Wav2Vec2 1.10
Systèmes de recommandation Modèle de recommandation de deep learning (DLRM) 1.10
JAX/FLAX La plus récente Classification d'images ResNet50 latest