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

Transformer es una arquitectura de red neuronal que resuelve problemas de secuencia para usar mecanismos de atención. A diferencia de los modelos neuronales semi2seq, Transformer no implica conexiones recurrentes. El mecanismo de atención aprende las dependencias entre los tokens en dos secuencias. Debido a que los pesos de atención se aplican a todos los tokens de las secuencias, el modelo de transformación puede capturar fácilmente dependencias de larga distancia.

La estructura general de Transformer sigue el patrón de decodificador estándar. El codificador usa la autoatención para calcular una representación de la secuencia de entrada. El decodificador genera la secuencia de salida de a un token a la vez, tomando la salida del codificador y tokens de salida del decodificador anterior como entradas.

El modelo también aplica incorporaciones en los tokens de entrada y salida, y agrega una codificación posicional constante. La codificación posicional agrega información sobre la posición de cada token.

Costos

En este instructivo, se usan componentes facturables de Google Cloud, que incluyen los siguientes:

  • Compute Engine
  • Cloud TPU

Usa la calculadora de precios para generar una estimación de los costos según el uso previsto. Los usuarios nuevos de Google Cloud pueden ser elegibles para obtener una prueba gratuita.

Antes de comenzar

Si planeas entrenar en una porción de pod de TPU, asegúrate de revisar este documento, en el que se explican las consideraciones especiales para entrenar en una porción de pod.

Antes de comenzar este instructivo, sigue los pasos a continuación para verificar que tu proyecto de Google Cloud esté configurado de forma adecuada.

  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 la herramienta de línea de comandos gcloud para usar el proyecto en el que deseas 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 GCP 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:

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

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

    gsutil mb -p ${PROJECT_ID} -c standard -l europe-west4 -b on gs://bucket-name
    

    Este bucket de Cloud Storage almacena los datos que usas para entrenar tu modelo y los resultados del entrenamiento. Con la herramienta 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.

  6. Inicia una VM de Compute Engine con el comando gcloud.

    $ gcloud compute tpus execution-groups create \
     --vm-only \
     --name=transformer-tutorial \
     --zone=europe-west4-a \
     --disk-size=300 \
     --machine-type=n1-standard-8 \
     --tf-version=2.5.0
    

    Descripciones de las marcas de comandos

    vm-only
    Crea solo una VM. De forma predeterminada, el comando gcloud compute tpus execution-groups crea una VM y una Cloud TPU.
    name
    El nombre de la Cloud TPU para crear.
    zone
    Es la zona en la que deseas crear la Cloud TPU.
    disk-size
    El tamaño del disco duro en GB de la VM creada con el comando gcloud compute tpus execution-groups.
    machine-type
    El tipo de máquina de la VM de Compute Engine que se creará.
    tf-version
    La versión de Tensorflow gcloud compute tpus execution-groups se instala en la VM.

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

  7. Aparece la configuración que especificaste. Ingresa y para aprobar o n para cancelar.

    Cuando el comando gcloud compute tpus execution-groups termine de ejecutarse, verifica que el indicador de shell haya cambiado de username@projectname a username@vm-name. Este cambio indica que accediste a tu VM de Compute Engine.

    gcloud compute ssh transformer-tutorial --zone=europe-west4-a
    

    Mientras sigues estas instrucciones, ejecuta cada comando que comience con (vm)$ en tu instancia de Compute Engine.

Genera el conjunto de datos de entrenamiento

En tu VM de Compute Engine

  1. Crea las siguientes variables de entorno: Reemplaza bucket-name por el nombre de tu depósito:

    (vm)$ export STORAGE_BUCKET=gs://bucket-name
    
    (vm)$ export GCS_DATA_DIR=${STORAGE_BUCKET}/data/transformer
    (vm)$ export PARAM_SET=big
    (vm)$ export MODEL_DIR=${STORAGE_BUCKET}/transformer/model_${PARAM_SET}
    (vm)$ export PYTHONPATH="$PYTHONPATH:/usr/share/models"
    (vm)$ export DATA_DIR=${HOME}/transformer/data
    (vm)$ export VOCAB_FILE=${DATA_DIR}/vocab.ende.32768
    
  2. Cambia el directorio al directorio de entrenamiento:

    (vm)$ cd /usr/share/models/official/nlp/transformer
  3. Configura las siguientes variables de entorno:

    (vm)$ export GCS_DATA_DIR=${STORAGE_BUCKET}/data/transformer
    (vm)$ export MODEL_DIR=${STORAGE_BUCKET}/transformer/model_${PARAM_SET}
    
  4. Descarga y prepara los conjuntos de datos

    (vm)$ python3 data_download.py --data_dir=${DATA_DIR}
    (vm)$ gsutil cp -r ${DATA_DIR} ${GCS_DATA_DIR}
    

    data_download.py descarga y procesa previamente los conjuntos de datos de entrenamiento de entrenamiento y evaluación. Después de descargar y extraer los datos, los datos de entrenamiento se usan para generar un vocabulario de subtokens. Las strings de evaluación y entrenamiento se asignan a tokens, y los datos resultantes se fragmentan, mezclan y se guardan como TFRecords.

    Se descargan 1.75 GB de datos comprimidos. En total, los archivos sin procesar (archivos comprimidos, extraídos y combinados) ocupan 8.4 GB de espacio en disco. Los archivos TFRecord y de vocabulario resultantes son 722 MB. La secuencia de comandos lleva alrededor de 40 minutos en ejecutarse, con el nivel de tiempo de descarga y unos 15 minutos para el procesamiento previo.

Entrena un modelo de traducción inglés-alemán en un solo Cloud TPU

Ejecuta los comandos siguientes en la VM de Compute Engine:

  1. Ejecuta el siguiente comando para crear tu Cloud TPU.

    (vm)$ gcloud compute tpus execution-groups create --tpu-only \
      --accelerator-type=v3-8  \
      --zone=europe-west4-a \
      --tf-version=2.5.0 \
      --name=transformer-tutorial
    

    Descripciones de las marcas de comandos

    project
    : El ID de tu proyecto de GCP
    tpu-only
    Crea una Cloud TPU sola. De forma predeterminada, el comando gcloud compute tpus execution-groups crea una VM y una Cloud TPU.
    tpu-size
    Especifica el tipo de Cloud TPU, por ejemplo, v3-8.
    zone
    Es la zona en la que deseas crear la Cloud TPU. Debería ser la misma zona que usaste para la VM de Compute Engine. Por ejemplo: europe-west4-a.
    tf-version
    La versión de Tensorflow ctpu se instala en la VM.
    name
    El nombre de la Cloud TPU para crear.

    Aparece la configuración que especificaste. Ingresa y para aprobar o n para cancelar.

    Verás el siguiente mensaje: Operation success; not ssh-ing to Compute Engine VM due to --tpu-only flag. Como ya completaste la propagación de Llaves SSH, puedes ignorar este mensaje.

  2. Establece la variable de nombre de Cloud TPU. Este puede ser un nombre que especificaste con el parámetro --name para gcloud compute tpus execution-groups o tu nombre de usuario predeterminado:

    (vm)$ export TPU_NAME=transformer-tutorial
    
  3. Ejecuta la secuencia de comandos de entrenamiento:

    (vm)$ python3 transformer_main.py \
        --tpu=${TPU_NAME} \
        --model_dir=${MODEL_DIR} \
        --data_dir=${GCS_DATA_DIR} \
        --vocab_file=${GCS_DATA_DIR}/vocab.ende.32768 \
        --bleu_source=${GCS_DATA_DIR}/newstest2014.en \
        --bleu_ref=${GCS_DATA_DIR}/newstest2014.de \
        --batch_size=6144 \
        --train_steps=2000 \
        --static_batch=true \
        --use_ctl=true \
        --param_set=big \
        --max_length=64 \
        --decode_batch_size=32 \
        --decode_max_length=97 \
        --padded_decode=true \
        --distribution_strategy=tpu

    Descripciones de las marcas de comandos

    tpu
    El nombre de Cloud TPU. Para ello, especifica la variable de entorno (TPU_NAME).
    model_dir
    El depósito de Cloud Storage en el que se almacenan los puntos de control y los resúmenes durante el entrenamiento. Puedes usar una carpeta existente para cargar los puntos de control generados con anterioridad en una TPU del mismo tamaño y versión de TensorFlow.
    data_dir
    La ruta de entrada de entrenamiento en Cloud Storage. En este ejemplo, se establece como el conjunto de datos fake_imagenet.
    vocab_file
    Archivo que contiene el vocabulario para traducir.
    bleu_source
    Archivo que contiene oraciones de origen para traducir.
    bleu_ref
    Archivo que contiene la referencia para las oraciones de traducción.
    train_steps
    La cantidad de pasos para entrenar el modelo. Un paso procesa un lote de datos. Esto incluye un paso hacia delante y una propagación inversa.
    batch_size
    El tamaño del lote de entrenamiento.
    static_batch
    Especifica si los lotes en el conjunto de datos tienen formas estáticas.
    use_ctl
    Especifica si la secuencia de comandos se ejecuta con un bucle de entrenamiento personalizado.
    param_set
    El parámetro configurado para usar cuando se crea y entrena el modelo. Los parámetros definen la forma de entrada, la configuración del modelo y otras opciones de configuración.
    max_length
    La longitud máxima de un ejemplo en el conjunto de datos.
    decode_batch_size
    El tamaño del lote global que se usa para la decodificación de regresión automática de transformaciones en una Cloud TPU.
    decode_max_length
    El largo máximo de la secuencia de los datos de decodificación y evaluación. La usa la decodificación de regresión automática de un transformador en una Cloud TPU para minimizar la cantidad de relleno de datos requerido.
    padded_decode
    Especifica si la decodificación de regresión automática se ejecuta con datos de entrada agregados a decode_max_length. Para las ejecuciones de TPU/XLA-GPU, esta marca debe estar configurada debido al requisito de forma estática.
    distribution_strategy
    Para entrenar el modelo ResNet en una Cloud TPU, establece distribution_strategy en tpu.

De forma predeterminada, el modelo se evaluará después de 2,000 pasos. Para entrenar a la convergencia, cambia train_steps por 200000. Puedes aumentar la cantidad de pasos de entrenamiento o especificar con qué frecuencia ejecutar las evaluaciones mediante la configuración de estos parámetros:

  • --train_steps: Configura la cantidad total de pasos de entrenamiento que se deben ejecutar.
  • --steps_between_evals: Cantidad de pasos de entrenamiento para ejecutar entre evaluaciones.

El entrenamiento y la evaluación toman aproximadamente 7 minutos en Cloud TPU v3-8. Cuando se completan el entrenamiento y la evaluación, aparece un mensaje similar al siguiente:

INFO:tensorflow:Writing to file /tmp/tmpf2gn8vpa
I1125 21:22:30.734232 140328028010240 translate.py:182] Writing to file /tmp/tmpf2gn8vpa
I1125 21:22:42.785628 140328028010240 transformer_main.py:121] Bleu score (uncased): 0.01125154594774358
I1125 21:22:42.786558 140328028010240 transformer_main.py:122] Bleu score (cased): 0.01123994225054048

Calcula la puntuación BLEU durante la evaluación del modelo

Usa estas marcas para calcular la BLEU cuando el modelo evalúe:

  • --bleu_source: Ruta de acceso al archivo que contiene texto para traducir.
  • --bleu_ref: Ruta de acceso al archivo que contiene la traducción de referencia.

Desde aquí, puedes concluir este instructivo y limpiar tus recursos de GCP, o bien puedes explorar cómo ejecutar el modelo en un pod de Cloud TPU.

Escala tu modelo con pods de Cloud TPU

Puedes obtener resultados más rápidos si escalas tu modelo con pods de Cloud TPU. El modelo de transformación totalmente compatible puede funcionar con las siguientes porciones de pod:

  • v2-32
  • v3-32
  1. Borra el recurso de Cloud TPU que creaste a fin de entrenar el modelo en un solo dispositivo.

    (vm)$ gcloud compute tpus execution-groups delete transformer-tutorial \
      --zone=europe-west4-a \
      --tpu-only
  2. Ejecuta el comando gcloud compute tpus execution-groups con el parámetro accelerator-type para especificar la porción de pod que deseas usar. Por ejemplo, el siguiente comando usa una porción de pod v3-32.

    (vm)$ gcloud compute tpus execution-groups create --name=transformer-tutorial \
      --accelerator-type=v2-32  \
      --zone=europe-west4-a \
      --tf-version=2.5.0 \
      --tpu-only
    

    Descripciones de las marcas de comandos

    name
    El nombre de la Cloud TPU para crear.
    accelerator-type
    El tipo de Cloud TPU que se creará.
    zone
    Es la zona en la que deseas crear la Cloud TPU.
    tf-version
    La versión de Tensorflow gcloud se instala en la VM.
    tpu-only
    Crea una Cloud TPU sola. De forma predeterminada, el comando gcloud crea una VM y una Cloud TPU.
    gcloud compute ssh transformer-tutorial --zone=europe-west4-a
    
  3. Exporta el nombre de la TPU:

    (vm)$ export TPU_NAME=transformer-tutorial
    
  4. Exporta la variable del directorio del modelo:

    (vm)$ export MODEL_DIR=${STORAGE_BUCKET}/transformer/model_${PARAM_SET}_pod
    
  5. Cambia el directorio al directorio de entrenamiento:

    (vm)$ cd /usr/share/models/official/nlp/transformer
    
  6. Ejecuta la secuencia de comandos de entrenamiento de pods:

    (vm)$ python3 transformer_main.py \
         --tpu=${TPU_NAME} \
         --model_dir=${MODEL_DIR} \
         --data_dir=${GCS_DATA_DIR} \
         --vocab_file=${GCS_DATA_DIR}/vocab.ende.32768 \
         --bleu_source=${GCS_DATA_DIR}/newstest2014.en \
         --bleu_ref=${GCS_DATA_DIR}/newstest2014.de \
         --batch_size=24576 \
         --train_steps=2000 \
         --static_batch=true \
         --use_ctl=true \
         --param_set=big \
         --max_length=64 \
         --decode_batch_size=32 \
         --decode_max_length=97 \
         --padded_decode=true \
         --steps_between_evals=2000 \
         --distribution_strategy=tpu
    

    Descripciones de las marcas de comandos

    tpu
    El nombre de Cloud TPU. Para ello, especifica la variable de entorno (TPU_NAME).
    model_dir
    El depósito de Cloud Storage en el que se almacenan los puntos de control y los resúmenes durante el entrenamiento. Puedes usar una carpeta existente para cargar los puntos de control generados con anterioridad en una TPU del mismo tamaño y versión de TensorFlow.
    data_dir
    La ruta de entrada de entrenamiento en Cloud Storage. En este ejemplo, se establece como el conjunto de datos fake_imagenet.
    vocab_file
    Archivo que contiene el vocabulario para traducir.
    bleu_source
    Archivo que contiene oraciones de origen para traducir.
    bleu_ref
    Archivo que contiene la referencia para las oraciones de traducción.
    batch_size
    El tamaño del lote de entrenamiento.
    train_steps
    La cantidad de pasos para entrenar el modelo. Un paso procesa un lote de datos. Esto incluye un paso hacia delante y una propagación inversa.
    static_batch
    Especifica si los lotes en el conjunto de datos tienen formas estáticas.
    use_ctl
    Especifica si la secuencia de comandos se ejecuta con un bucle de entrenamiento personalizado.
    param_set
    El parámetro configurado para usar cuando se crea y entrena el modelo. Los parámetros definen la forma de entrada, la configuración del modelo y otras opciones de configuración.
    max_length
    La longitud máxima de un ejemplo en el conjunto de datos.
    decode_batch_size
    El tamaño del lote global que se usa para la decodificación de regresión automática de transformaciones en una Cloud TPU.
    decode_max_length
    El largo máximo de la secuencia de los datos de decodificación y evaluación. La usa la decodificación de regresión automática de un transformador en una Cloud TPU para minimizar la cantidad de relleno de datos requerido.
    padded_decode
    Especifica si la decodificación de regresión automática se ejecuta con datos de entrada agregados a decode_max_length. Para las ejecuciones de TPU/XLA-GPU, esta marca debe estar configurada debido al requisito de forma estática.
    steps_between_evals
    La cantidad de pasos de entrenamiento que deben ejecutarse entre las evaluaciones.
    distribution_strategy
    Para entrenar el modelo ResNet en una TPU, configura distribution_strategy en tpu.

Esta secuencia de comandos de entrenamiento entrena para 2,000 pasos y ejecuta la evaluación cada 2,000 pasos. Este entrenamiento y evaluación en particular toman aproximadamente 8 minutos en un pod de Cloud TPU v2-32.

Para entrenar a la convergencia, cambia train_steps por 2000000. Puedes aumentar la cantidad de pasos de entrenamiento o especificar con qué frecuencia ejecutar las evaluaciones mediante la configuración de estos parámetros:

  • --train_steps: Configura la cantidad total de pasos de entrenamiento que se deben ejecutar.
  • --steps_between_evals: Cantidad de pasos de entrenamiento para ejecutar entre evaluaciones.

Cuando se completan el entrenamiento y la evaluación, aparece un mensaje similar al siguiente:

0509 00:27:59.984464 140553148962624 translate.py:184] Writing to file /tmp/tmp_rk3m8jp
I0509 00:28:11.189308 140553148962624 transformer_main.py:119] Bleu score (uncased): 1.3239131309092045
I0509 00:28:11.189623 140553148962624 transformer_main.py:120] Bleu score (cased): 1.2855342589318752

Realice una limpieza

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 instancia de Compute Engine, si aún no lo hiciste:
  (vm)$ exit
  

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

  1. En Cloud Shell, usa el siguiente comando para borrar tu VM de Compute Engine y Cloud TPU:

    $ gcloud compute tpus execution-groups delete transformer-tutorial \
      --zone=europe-west4-a
    
  2. Verifica que se hayan borrado los recursos con la ejecución de gcloud compute tpus execution-groups list. La eliminación puede tomar varios minutos. Una respuesta como la que se muestra a continuación indica que tus instancias se borraron de forma correcta.

    $ gcloud compute tpus execution-groups list \
     --zone=europe-west4-a
    

    Deberías ver una lista vacía de TPU como la siguiente:

       NAME             STATUS
    
  3. Borra el depósito de Cloud Storage con gsutil como se muestra a continuación. Reemplaza bucket-name por el nombre del depósito de Cloud Storage.

    $ gsutil rm -r gs://bucket-name
    

¿Qué sigue?

En este instructivo, entrenaste el modelo Transformer mediante un conjunto de datos de muestra. Los resultados de esta capacitación (en la mayoría de los casos) 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. Los modelos 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 los hiperparámetros del modelo. 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 el código fuente para cada modelo. Para obtener más información sobre el ajuste de hiperparámetros, consulta Descripción general del ajuste de hiperparámetros, Usa el servicio de ajuste de hiperparámetros y Ajusta los hiperparámetros.

Inferencia

Una vez que entrenaste tu modelo, puedes usarlo para la inferencia (también llamada predicción). AI Platform es una solución basada en la nube que sirve para desarrollar, entrenar e implementar modelos de aprendizaje automático. Una vez que se implementa un modelo, puedes usar el servicio de AI Platform Prediction.