Transformer は、注意機構を使用してシーケンス間の問題を解決するニューラル ネットワーク アーキテクチャです。従来のニューラル seq2seq モデルとは異なり、Transformer は回帰結合を伴いません。注意機構は、トークン間の依存関係を 2 つのシーケンスで学習します。注意の重みはシーケンス内のすべてのトークンに適用されるため、Transformer モデルは長距離の依存関係を簡単にキャプチャできます。
Transformer の全体的な構造は、標準のエンコーダ-デコーダ パターンに従います。エンコーダは、自己注意を使用して入力シーケンスの表現を計算します。デコーダは、出力シーケンスを一度に 1 つずつ生成します。その際、エンコーダ出力と以前のデコーダ出力トークンを入力として使用します。
このモデルでは、入力トークンと出力トークンにも埋め込みを適用し、定位置エンコードを追加します。位置エンコードは、各トークンの位置に関する情報を追加します。
費用
このチュートリアルでは、Google Cloud の課金対象となる以下のコンポーネントを使用します。- Compute Engine
- Cloud TPU
料金計算ツールを使うと、予想使用量に基づいて費用の見積もりを出すことができます。新しい Google Cloud ユーザーは無料トライアルをご利用いただける場合があります。
始める前に
TPU Pod スライスのトレーニングを行う場合は、このドキュメントをお読みいただき、Pod スライスのトレーニングについて特に留意すべき事項をご確認ください。
このチュートリアルを開始する前に、次の手順に従って、Google Cloud プロジェクトが正しく設定されていることを確認します。
Cloud Shell ウィンドウを開きます。
プロジェクト ID の変数を作成します。
export PROJECT_ID=project-id
Cloud TPU を作成するプロジェクトを使用するように
gcloudコマンドライン ツールを構成します。gcloud config set project ${PROJECT_ID}このコマンドを新しい Cloud Shell VM で初めて実行すると、
Authorize Cloud Shellページが表示されます。ページの下部にある [Authorize] をクリックして、gcloudに認証情報を使用した GCP API の呼び出しを許可します。Cloud TPU プロジェクトのサービス アカウントを作成します。
gcloud beta services identity create --service tpu.googleapis.com --project $PROJECT_ID
このコマンドでは、Cloud TPU サービス アカウントを次の形式で返します。
service-PROJECT_NUMBER@cloud-tpu.iam.gserviceaccount.com
次のコマンドを使用して Cloud Storage バケットを作成します。
gsutil mb -p ${PROJECT_ID} -c standard -l europe-west4 -b on gs://bucket-nameこの Cloud Storage バケットには、モデルのトレーニングに使用するデータとトレーニング結果が格納されます。このチュートリアルで使用する
ctpu upツールは、前の手順で設定した Cloud TPU サービス アカウントのデフォルトの権限を設定します。権限の詳細な設定が必要な場合は、アクセスレベル権限をご覧ください。ctpu upコマンドを使用して、Compute Engine VM を起動します。この例では、ゾーンを europe-west4-a に設定しますが、Compute Engine VM と Cloud TPU で使用する予定の任意のゾーンに設定できます。ctpu up --project=${PROJECT_ID} \ --vm-only \ --disk-size-gb=300 \ --machine-type=n1-standard-8 \ --zone=europe-west4-a \ --tf-version=2.3.1 \ --name=transformer-tutorialコマンドフラグの説明
ctpu ユーティリティの詳細については、CTPU リファレンスをご覧ください。
指定した構成が表示されます。承認する場合は y、キャンセルする場合は n を入力してください。
ctpu upコマンドの実行が終了したら、shell プロンプトがusername@projectnameからusername@vm-nameに変更されたことを確認します。変更されていれば、Compute Engine VM にログインしていることになります。gcloud compute ssh transformer-tutorial --zone=europe-west4-a
これらの手順を続行する場合は、VM セッション ウィンドウで、(vm)$ で始まる各コマンドを実行します。
トレーニング データセットを生成する
Compute Engine VM の場合:
次の環境変数を作成します。bucket-name は、使用するバケット名に置き換えてください。
(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=${DATA_DIR}/vocab.ende.32768
ディレクトリをトレーニング ディレクトリに変更します。
(vm)$ cd /usr/share/models/official/nlp/transformer次のデータセットの環境変数を設定します。
(vm)$ export GCS_DATA_DIR=${STORAGE_BUCKET}/data/transformer (vm)$ export MODEL_DIR=${STORAGE_BUCKET}/transformer/model_${PARAM_SET}
データセットをダウンロードして準備します。
(vm)$ python3 data_download.py --data_dir=${DATA_DIR} (vm)$ gsutil cp -r ${DATA_DIR} ${GCS_DATA_DIR}
data_download.pyは、トレーニングと評価の WMT データセットをダウンロードして前処理します。データがダウンロードされて抽出されると、トレーニング データを使用してサブトークンのボキャブラリが生成されます。評価とトレーニングの文字列はトークン化されます。結果として出力されるデータはシャーディング、シャッフルされて TFRecord として保存されます。1.75 GB の圧縮データがダウンロードされます。圧縮ファイル、抽出ファイル、結合ファイルの合計ファイルサイズは 8.4 GB です。結果として生成される TFRecord ファイルとボキャブラリ ファイルは 722 MB です。スクリプトの実行には約 40 分かかります。その大部分がダウンロードに費やされ、前処理には 15 分ほどかかります。
単一の Cloud TPU で英語 - ドイツ語の翻訳モデルをトレーニングする
Compute Engine VM で次のコマンドを実行します。
次のコマンドを実行して Cloud TPU を作成します。
(vm)$ ctpu up --project=${PROJECT_ID} \ --tpu-only \ --tpu-size=v3-8 \ --zone=europe-west4-a \ --tf-version=2.3.1 \ --name=transformer-tutorialコマンドフラグの説明
project- GCP プロジェクト ID
tpu-only- Cloud TPU のみを作成します。デフォルトでは、
ctpu upコマンドは VM と Cloud TPU を作成します。 tpu-size- Cloud TPU のタイプ（v3-8 など）を指定します。
zone- Cloud TPU を作成するゾーン。これは、Compute Engine VM に使用したのと同じゾーンである必要があります。例:
europe-west4-a tf-version- Tensorflow
ctpuのバージョンが VM にインストールされます。 name- 作成する Cloud TPU の名前。
ctpu ユーティリティの詳細については、CTPU リファレンスをご覧ください。
指定した構成が表示されます。承認する場合は y、キャンセルする場合は n を入力してください。
Operation success; not ssh-ing to Compute Engine VM due to --tpu-only flagというメッセージが表示されます。SSH 鍵の伝播は完了しているため、このメッセージは無視できます。Cloud TPU 名の変数を設定します。これは、
--nameパラメータでctpu upに指定した名前か、デフォルトのユーザー名になります。(vm)$ export TPU_NAME=transformer-tutorialトレーニング スクリプトを実行します。
(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コマンドフラグの説明
tpu- Cloud TPU の名前。環境変数（
TPU_NAME）を指定することで設定されます。 model_dir- モデルのトレーニング中にチェックポイントとサマリーが保存されるディレクトリ。フォルダがない場合は、プログラムによって作成されます。Cloud TPU を使用する場合、
model_dirを Cloud Storage パスにする必要があります（`gs://...`）。以前のチェックポイントが、同じサイズの Cloud TPU と TensorFlow バージョンを使用して作成されていれば、既存のフォルダを再利用して現在のチェックポイント データを読み込んで追加のチェックポイントを保存できます。 data_dir- トレーニング入力の Cloud Storage パス。この例では、fake_imagenet データセットに設定されています。
vocab_file- 翻訳対象の用語が含まれるファイル。
bleu_source- 翻訳対象のソース文が含まれるファイル。
bleu_ref- 翻訳文のリファレンスが含まれるファイル。
train_steps- モデルをトレーニングするためのステップの数。1 つのステップで 1 つのデータバッチを処理します。これには、バックワード パスと逆伝播の両方が含まれます。
batch_size- トレーニングのバッチサイズ。
static_batch- データセット内のバッチに静的な形状があるかどうかを指定します。
use_ctl- スクリプトをカスタム トレーニング ループで実行するかどうかを指定します。
param_set- モデルの作成時とトレーニング時に使用するパラメータ セット。パラメータは、入力シェイプ、モデル構成、その他の設定を定義します。
max_length- データセットのサンプルの最大長。
decode_batch_size- Cloud TPU での Transformer 自動回帰デコードに使用されるグローバル バッチサイズ。
decode_max_length- デコードまたは評価データの最大シーケンス長。Cloud TPU での Transformer 自動回帰デコードで、必要なデータ パディングの量を最小限にするために使用されます。
padded_decode- decode_max_length にパディングされた入力データで自動回帰デコードを実行するかどうかを指定します。TPU/XLA-GPU を実行する場合、静的な形状の要件により、このフラグを設定する必要があります。
distribution_strategy- Cloud TPU で ResNet モデルをトレーニングするには、
distribution_strategyをtpuに設定します。
デフォルトでは、モデルは 2,000 ステップごとに評価されます。収束するようにトレーニングするには、train_steps を 200,000 に変更します。次のパラメータを設定して、トレーニング ステップの数を増やしたり、評価を実行する頻度を指定したりできます。
--train_steps: 実行するトレーニング ステップの合計数を設定します。--steps_between_evals: 評価間に実行するトレーニング ステップの数です。
トレーニングと評価は、v3-8 Cloud TPU 上で約 7 分かかります。トレーニングと評価が完了すると、次のようなメッセージが表示されます。
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
モデル評価中に BLEU スコアを計算する
モデルが評価されるとき、次のフラグを使用して BLEU を計算します。
--bleu_source: 翻訳するテキストを含むファイルへのパスです。--bleu_ref: 参照訳を含むファイルへのパスです。
この時点で、このチュートリアルを終了して、GCP リソースをクリーンアップすることも、Cloud TPU Pod でのモデルの実行をさらに詳しく調べることもできます。
Cloud TPU Pod を使用したモデルのスケーリング
Cloud TPU Pod を使用してモデルをスケーリングすると、より迅速に結果を得ることができます。完全にサポートされているモデルは、次の Pod スライスを使用できます。
- v2-32
- v3-32
Cloud Shell で、Cloud TPU の設定時に使用した
tpu-onlyフラグと--zoneフラグを指定してctpu deleteを実行します。これにより、Cloud TPU のみが削除されます。(vm)$ ctpu delete --project=${PROJECT_ID}
--tpu-only
--zone=europe-west4-a使用する Pod スライスを指定するための
tpu-sizeパラメータを使用して、ctpu upコマンドを実行します。たとえば、次のコマンドは v2-32 Pod スライスを使用します。(vm)$ ctpu up --project=${PROJECT_ID} \ --tpu-only \ --tpu-size=v2-32 \ --zone=europe-west4-a \ --tf-version=2.3.1 \ --name=transformer-tutorialコマンドフラグの説明
project- GCP プロジェクト ID
tpu-only- Cloud TPU のみを作成します。デフォルトでは、
ctpu upコマンドは VM と Cloud TPU を作成します。 tpu-size- Cloud TPU のタイプ（v3-8 など）を指定します。
zone- Cloud TPU を作成するゾーン。これは、Compute Engine VM に使用したのと同じゾーンである必要があります。例:
europe-west4-a tf-version- Tensorflow
ctpuのバージョンが VM にインストールされます。 name- 作成する Cloud TPU の名前。
ctpu ユーティリティの詳細については、CTPU リファレンスをご覧ください。
gcloud compute ssh transformer-tutorial --zone=europe-west4-a
TPU 名をエクスポートします。
(vm)$ export TPU_NAME=transformer-tutorialモデルディレクトリの変数をエクスポートします。
(vm)$ export MODEL_DIR=${STORAGE_BUCKET}/transformer/model_${PARAM_SET}_podディレクトリをトレーニング ディレクトリに変更します。
(vm)$ cd /usr/share/models/official/nlp/transformerPod トレーニング スクリプトを実行します。
(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コマンドフラグの説明
tpu- Cloud TPU の名前。環境変数（
TPU_NAME）を指定することで設定されます。 model_dir- モデルのトレーニング中にチェックポイントとサマリーが保存されるディレクトリ。フォルダがない場合は、プログラムによって作成されます。Cloud TPU を使用する場合、
model_dirは Cloud Storage パスにする必要があります（`gs://...`）。以前のチェックポイントが、同じサイズの TPU と TensorFlow バージョンを使用して作成されていれば、既存のフォルダを再利用して現在のチェックポイント データを読み込んで追加のチェックポイントを保存できます。 data_dir- トレーニング入力の Cloud Storage パス。この例では、fake_imagenet データセットに設定されています。
vocab_file- 翻訳対象の用語が含まれるファイル。
bleu_source- 翻訳対象のソース文が含まれるファイル。
bleu_ref- 翻訳文のリファレンスが含まれるファイル。
batch_size- トレーニングのバッチサイズ。
train_steps- モデルをトレーニングするためのステップの数。1 つのステップで 1 つのデータバッチを処理します。これには、バックワード パスと逆伝播の両方が含まれます。
static_batch- データセット内のバッチに静的な形状があるかどうかを指定します。
use_ctl- スクリプトをカスタム トレーニング ループで実行するかどうかを指定します。
param_set- モデルの作成時とトレーニング時に使用するパラメータ セット。パラメータは、入力シェイプ、モデル構成、その他の設定を定義します。
max_length- データセットのサンプルの最大長。
decode_batch_size- Cloud TPU での Transformer 自動回帰デコードに使用されるグローバル バッチサイズ。
decode_max_length- デコードまたは評価データの最大シーケンス長。Cloud TPU での Transformer 自動回帰デコードで、必要なデータ パディングの量を最小限にするために使用されます。
padded_decode- decode_max_length にパディングされた入力データで自動回帰デコードを実行するかどうかを指定します。TPU/XLA-GPU を実行する場合、静的な形状の要件により、このフラグを設定する必要があります。
steps_between_evals- 評価間に実行するトレーニング ステップの数。
distribution_strategy- TPU で ResNet モデルをトレーニングするには、
distribution_strategyをtpuに設定します。
このトレーニングスクリプトは、2000 ステップのトレーニングを行い、2000 ステップごとに評価を実行します。このトレーニングと評価は、v2-32 Cloud TPU Pod 上で約 8 分かかります。
収束するようにトレーニングするには、train_steps を 200,000 に変更します。次のパラメータを設定して、トレーニング ステップの数を増やしたり、評価を実行する頻度を指定したりできます。
--train_steps: 実行するトレーニング ステップの合計数を設定します。--steps_between_evals: 評価間に実行するトレーニング ステップの数です。
トレーニングと評価が完了すると、次のようなメッセージが表示されます。
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
クリーンアップ
このチュートリアルで使用したリソースについて、Google Cloud Platform アカウントに課金されないようにする手順は次のとおりです。
1. Cloud Shell で、Cloud TPU の設定時に使用した --zone フラグを指定して ctpu delete を実行し、Compute Engine VM と Cloud TPU を削除します。
$ ctpu delete --project=${PROJECT_ID} \
--zone=europe-west4-a \
--name=transformer-tutorial
次のコマンドを実行して、Compute Engine VM と Cloud TPU がシャットダウンされたことを確認します。
$ ctpu status --project=${PROJECT_ID} \ --zone=europe-west4-a削除には数分かかることがあります。次のようなレスポンスは、割り当てられたインスタンスがないことを示します。
2018/04/28 16:16:23 WARNING: Setting zone to "europe-west4-a" No instances currently exist. Compute Engine VM: -- Cloud TPU: --次に示すように
gsutilを実行します。bucket-name の部分は、このチュートリアルで作成した Cloud Storage バケット名に置き換えてください。$ gsutil rm -r gs://bucket-name
次のステップ
このチュートリアルでは、サンプル データセットを使用して Transformer モデルをトレーニングしました。このトレーニングの結果は（ほとんどの場合）推論には使用できません。推論にモデルを使用するには、一般公開されているデータセットまたは独自のデータセットでデータをトレーニングします。Cloud TPU でトレーニングされたモデルでは、データセットを TFRecord 形式にする必要があります。
データセット変換ツールのサンプルを使用して、画像分類データセットを TFRecord 形式に変換できます。画像分類モデルを使用しない場合は、自分でデータセットを TFRecord 形式に変換する必要があります。詳細については、TFRecord と tf.Example をご覧ください。
ハイパーパラメータ調整
データセットでモデルのパフォーマンスを向上させるには、モデルのハイパーパラメータを調整します。すべての TPU でサポートされているモデルに共通のハイパーパラメータに関する情報については、GitHub をご覧ください。モデルに固有のハイパーパラメータに関する情報については、各モデルのソースコードで確認できます。ハイパーパラメータ調整の詳細については、ハイパーパラメータ調整の概要、ハイパーパラメータ調整サービスの使用、ハイパーパラメータを調整するをご覧ください。
推論
モデルをトレーニングしたら、そのモデルを推論（予測）に使用できます。AI Platform は、機械学習モデルを開発、トレーニング、デプロイするためのクラウドベースのソリューションです。モデルをデプロイすれば、AI Platform Prediction サービスを使用できるようになります。
- ローカルマシンへのインストール方法など、
ctpuの詳細を学習します。 - TPU の Tensor2Tensor モデルについてさらに学習する。
- より多くの TPU サンプルでテストを行います。
- TensorBoard の TPU ツールを確認する。