TPU v5e

Ce document décrit l'architecture et les configurations compatibles de Cloud TPU v5e.

Le TPU v5e est compatible avec l'entraînement sur un ou plusieurs hôtes, ainsi que l'inférence sur un hôte unique. L'inférence sur plusieurs hôtes est compatible avec Sax. Pour en savoir plus, consultez Diffusion de grands modèles de langage.

Architecture du système

Chaque puce v5e contient un TensorCore. Chaque TensorCore comporte quatre unités de multiplication de matrices (MXU), une unité vectorielle et une unité scalaire.

Le schéma suivant illustre une puce TPU v5e.

Le tableau suivant présente les caractéristiques des chips de clé et leurs valeurs pour la version v5e.

Caractéristiques du chip de clé	Valeurs v5e
Calcul de pointe par puce (bf16)	197 TFLOP
Capacité et bande passante HBM2	16 Go, 819 Gbit/s
Bande passante de l'interconnexion entre puces	1 600 Gbit/s

Le tableau suivant présente les spécifications des pods et leurs valeurs pour la version v5e.

Principales spécifications des pods	Valeurs v5e
Taille du pod TPU	256 chips
Topologie d'interconnexion	Torus 2D
Calcul de pointe par pod	100 péta-OPS (Int8)
Bande passante tout-réduit par pod	51,2 To/s
Bande passante bissectionnelle par pod	1,6 To/s
Bande passante du réseau du centre de données par pod	6,4 Tbit/s

Configurations

Cloud TPU v5e est un produit combiné d'entraînement et d'inférence (inférence). Pour distinguer un environnement d'entraînement d'un environnement d'inférence, utilisez les options AcceleratorType ou AcceleratorConfig avec l'API TPU ou l'option --machine-type lorsque vous créez un pool de nœuds GKE.

Les jobs d'entraînement sont optimisés pour le débit et la disponibilité, tandis que les jobs de diffusion sont optimisés pour la latence. Un job d'entraînement sur des TPU provisionnés pour la diffusion peut avoir une disponibilité plus faible et, de la même manière, un job d'inférence exécuté sur des TPU provisionnées pour l'entraînement pourraient avoir une latence plus élevée.

Vous utilisez AcceleratorType pour spécifier le nombre de TensorCores que vous souhaitez utiliser. Vous spécifiez le AcceleratorType lorsque vous créez un TPU à l'aide de la CLI gcloud ou de la console Google Cloud. La valeur que vous spécifiez pour AcceleratorType est une chaîne au format v$VERSION_NUMBER-$CHIP_COUNT.

Vous pouvez également utiliser AcceleratorConfig pour spécifier le nombre de TensorCores que vous souhaitez utiliser. Toutefois, comme il n'existe pas de variantes de topologie 2D personnalisées pour le TPU v5e, il n'y a aucune différence entre l'utilisation de AcceleratorConfig et de AcceleratorType.

Pour configurer un TPU v5e à l'aide de AcceleratorConfig, utilisez --version et les Indicateurs --topology. Définissez --version sur la version de TPU que vous souhaitez utiliser, puis --topology à la disposition physique des puces TPU dans la tranche. La la valeur que vous spécifiez pour AcceleratorConfig est une chaîne au format AxB, où A et B correspondent au nombre de chips dans chaque direction.

Les formes de tranches 2D suivantes sont compatibles avec la version v5e:

Topologie	Nombre de puces TPU	Nombre d'hôtes
1x1	1	1/8
2x2	4	1/2
2x4	8	1
4x4	16	2
4x8	32	4
8x8	64	8
8x16	128	16
16x16	256	32

Chaque VM TPU d'une tranche TPU v5e contient une, quatre ou huit puces. En 4 puces et plus tranches, toutes les puces TPU partagent le même nœud d'accès à la mémoire non uniforme (NUMA).

Pour les VM TPU v5e à 8 puces, la communication CPU-TPU sera plus efficace dans les partitions NUMA. Par exemple, dans la figure suivante, la communication CPU0-Chip0 sera plus rapide que la communication CPU0-Chip4.

Types de Cloud TPU v5e pour la diffusion

La diffusion sur un seul hôte est compatible avec jusqu'à huit puces v5e. Les configurations suivantes sont acceptées : 1x1, 2x2 et 2x4. Chaque tranche a 1, 4 et 8 puces respectivement.

Pour provisionner des TPU pour une tâche d'inférence, utilisez l'un des types d'accélérateurs suivants dans votre requête de création de CLI ou d'API TPU:

AcceleratorType (API TPU)	Type de machine (API GKE)
v5litepod-1	ct5lp-hightpu-1t
v5litepod-4	ct5lp-hightpu-4t
v5litepod-8	ct5lp-hightpu-8t

La diffusion sur plus de huit puces v5e, également appelée diffusion multi-hôte, est prise en charge à l'aide de Sax. Pour en savoir plus, consultez Large Language Model Serving.

Types de Cloud TPU v5e pour l'entraînement

L'entraînement est compatible avec un maximum de 256 puces.

Pour provisionner des TPU pour une tâche d'entraînement v5e, utilisez l'un des types d'accélérateurs suivants dans votre requête de création de TPU via la CLI ou l'API :

AcceleratorType (API TPU)	Type de machine (API GKE)	Topologie
v5litepod-16	ct5lp-hightpu-4t	4x4
v5litepod-32	ct5lp-hightpu-4t	4x8
v5litepod-64	ct5lp-hightpu-4t	8x8
v5litepod-128	ct5lp-hightpu-4t	8x16
v5litepod-256	ct5lp-hightpu-4t	16x16

Comparatif des types de VM TPU v5e:

Type de VM	n2d-48-24-v5lite-tpu	n2d-192-112-v5lite-tpu	n2d-384-224-v5lite-tpu
Nombre de puces v5e	1	4	8
Nombre de vCPU	24	112	224
RAM (Go)	48	192	384
Nombre de nœuds NUMA	1	1	2
Applicable à	v5litepod-1	v5litepod-4	V5litepod-8
Interruption	Élevée	Moyenne	Faible

Pour libérer de l'espace pour les charges de travail nécessitant davantage de puces, les programmeurs peuvent préempter les VM avec moins de chips. Par conséquent, les VM à 8 chips sont susceptibles de préempter les VM à 1 et 4 chips.