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