Anleitungen

Migration

• Migration zu TPUEstimator API

  In dieser Anleitung wird beschrieben, wie Sie ein Modellprogramm, das die Estimator API verwendet, in ein Modellprogramm umwandeln, das die TPUEstimator API verwendet.

Bildklassifizierung

• MNIST auf Cloud TPU ausführen (TF 2.x)

  MNIST-Bildklassifizierungsmodell mit TensorFlow, optimiert für die Ausführung in der Cloud TPU

• MNIST auf Cloud TPU ausführen (TF 1.x)

  MNIST-Bildklassifizierungsmodell mit TensorFlow, optimiert für die Ausführung in der Cloud TPU

• ResNet auf Cloud TPU trainieren (TF 2.x)

  ResNet-Bildklassifizierungsmodell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU

• ResNet auf Cloud TPU trainieren (TF 1.x)

  ResNet-Bildklassifizierungsmodell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU

• (PyTorch) ResNet auf Cloud TPU trainieren

  ResNet-Bildklassifizierungsmodell mit PyTorch, optimiert für die Ausführung auf Cloud TPU

• MnasNet auf Cloud TPU trainieren (TF 1.x)

  MnasNet-Bildklassifizierungsmodell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU

• EfficientNet auf Cloud TPU trainieren (TF 2.x)

  EfficientNet-Bildklassifizierungsmodell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU

• EfficientNet auf Cloud TPU trainieren (TF 1.x)

  EfficientNet-Bildklassifizierungsmodell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU

• AmoebaNet-D auf Cloud TPU trainieren (TF 1.x)

  AmoebaNet-Bildklassifizierungsmodell mit TensorFlow, optimiert für die Ausführung in der Cloud TPU

• Inception auf Cloud TPU ausführen (TF 1.x)

  Leitfaden für das Training von Inception-Modellen auf Cloud TPU

• Deeplab v3 auf Cloud TPU ausführen (TF 1.x)

  Leitfaden für das Training des Deeplab v3-Modells auf Cloud TPU

Objekterkennung

• RetinaNet auf Cloud TPU trainieren (TF 1.x)

  RetinaNet-Objekterkennungsmodell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU

• RetinaNet auf Cloud TPU trainieren (TF 2.x)

  RetinaNet-Objekterkennungsmodell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU

• ShapeMask auf Cloud TPU trainieren (TF 1.x)

  ShapeMask-Objekterkennungsmodell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU

• Mask RCNN auf Cloud TPU trainieren (TF 1.x)

  Mask RCNN-Modell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU

Empfehlungssysteme

• (Pytorch) DLRM-Modell auf Cloud TPU trainieren

  Leitfaden für das Training des PyTorch-DLRM-Modells auf Cloud TPU.

• Trainieren eines neuronalen Modells zur Zusammenarbeit in Cloud TPU (TF 2.x)

  Implementierung des NFL-Frameworks (Neural Collaborative Filtering) mit dem Modell Neural Matrix Factorization (Neu)

Verteilte Verarbeitung auf einem Pod

• (PyTorch) Modelle auf Cloud TPU Pods trainieren

  Ein ResNet-50-Bildklassifizierungsmodell mit PyTorch, optimiert für die Ausführung auf einem Cloud TPU Pod

Natural Language Processing

• BERT-Feinabstimmung mit Cloud TPU: Satz- und Satzpaar-Klassifizierungsaufgaben (TF 2.x)

  Anleitung zur Verwendung von BERT (Bidirectional Encoder Representations from Transformers) mit Cloud TPU

• BERT-Feinabstimmung mit Cloud TPU: Satz- und Satzpaar-Klassifizierungsaufgaben (TF 1.x)

  Anleitung zur Verwendung von BERT (Bidirectional Encoder Representations from Transformers) mit Cloud TPU

• (PyTorch) FairSeq RoBERTa auf Cloud TPU vorab trainieren

  Leitfaden zum Training im Voraus der FairSeq-Version des RoBERTa-Modells auf Cloud TPU mit dem öffentlichen Dataset wikitext-103.

T2T Transformer

• Transformer auf Cloud TPU trainieren (TF 2.x)

  Eine Anleitung zum Trainieren des Tensor2Tensor Transformer-Modells in der Cloud TPU für die Übersetzung vom Englischen ins Deutsche.

• Transformer mit Tensor2Tensor auf Cloud TPU ausführen (TF 1.x)

  Anleitung für das Training von Tensor2Tensor-Transformer-Modellen auf Cloud TPU für Übersetzungen, Sprachmodellierung und Sentimentanalyse

• (PyTorch) FairSeq Transformer auf Cloud TPU trainieren

  Anleitung für das Training der FairSeq-Version des Transformer-Modells auf Cloud TPU und zum Ausführen der WMT 18-Übersetzungsaufgabe vom Englischen ins Deutsche.

• Automatische Spracherkennung auf Cloud TPU (TF 1.x) ausführen

  Spracherkennungsmodell mit TensorFlow, optimiert für die Ausführung auf Cloud TPU

Google Cloud-Dienstintegrationen

• ResNet mit Cloud TPU und GKE trainieren

  GKE zum Verwalten von Cloud TPU-Ressourcen beim Trainieren eines ResNet-Modells verwenden

Weitere Modelle auf GitHub

• Weitere Modelle

  Zusammenfassung weiterer auf GitHub verfügbarer Modelle, die für die Ausführung auf Cloud TPU optimiert sind.