TPU v5p

In diesem Dokument werden die Architektur und die unterstützten Konfigurationen von Cloud TPU v5p beschrieben.

Systemarchitektur

In diesem Abschnitt wird die Systemarchitektur der v5p-Version beschrieben. Jeder TensorCore hat vier Matrix Multiply Units (MXU), eine Vektoreinheit und eine skalare Einheit.

Ein einzelner v5p-Pod enthält 8.960 Chips. Der größte Job, der geplant werden kann, ist ein Job mit 96 Cubes (6144 Chips).

In der folgenden Tabelle sind die wichtigsten Spezifikationen für eine v5p-Datei aufgeführt.

Wichtige Spezifikationen v5p-Werte
Spitzenwert der Rechenleistung pro Chip (bf16) 459 TFLOPs
HBM2e-Kapazität und -Bandbreite 95 GB, 2.765 GB/s
TPU-Pod-Größe 8960-Chips
Interconnect-Topologie 3D-Torus *
Interchip Interconnect BW 4.800 Gbit/s

Konfigurationen

Ein TPU v5p-Pod besteht aus 8.960 Chips, die mit rekonfigurierbaren Hochgeschwindigkeitsverbindungen verbunden sind. Mit dem flexiblen Netzwerk von TPU v5p können Sie die Chips in einem Segment gleicher Größe auf mehrere Arten verbinden. Wenn Sie ein TPU-Slice mit dem Befehl gcloud compute tpus tpu-vm create erstellen, geben Sie dessen Typ und Form mit den Parametern AcceleratorType oder AcceleratorConfig an.

Die folgende Tabelle zeigt die gängigsten von v5p unterstützten Einzelsegmentformen sowie die meisten (aber nicht alle) vollständigen Würfelformen, die größer als 1 Würfel sind. Die maximale v5p-Form beträgt 16 × 16 × 24 (6.144 Chips, 96 Würfel).

Segmentform VM-Größe Anzahl der Kerne # Chips Anzahl der Maschinen Anzahl Würfel Unterstützt Twisted?
2x2x1 Vollständiger Host 8 4 1 – –
2x2x2 Vollständiger Host 16 8 2 – –
2x4x4 Vollständiger Host 64 32 8 – –
4x4x4 Vollständiger Host 128 64 16 1 –
4x4x8 Vollständiger Host 256 128 32 2 Yes
4x8x8 Vollständiger Host 512 256 64 4 Yes
8x8x8 Vollständiger Host 1.024 512 128 8 –
8x8x16 Vollständiger Host 2.048 1.024 256 16 Yes
8x16x16 Vollständiger Host 4.096 2.048 512 32 Yes
16×16×16 Vollständiger Host 8.192 4.096 1.024 64 –
16×16×24 Vollständiger Host 12.288 6144 1.536 96 –

Das Training in einem einzelnen Segment wird für bis zu 6.144 Chips unterstützt. Er kann mit „Multislice“ auf 18432-Chips erweitert werden. Weitere Informationen finden Sie in der Übersicht zu Cloud TPU Multislice.

AcceleratorType-Parameter verwenden

Wenn Sie TPU-Ressourcen zuweisen, geben Sie mit dem Argument --accelerator-type die Anzahl der TensorCores in einem Slice an. --accelerator-type ist der formatierte String v$VERSION_NUMBERp-$CORES_COUNT. Beispielsweise gibt v5p-32 ein v5p-TPU-Slice mit 32 TensorCores (16 Chips) an.

Verwenden Sie zum Bereitstellen von TPUs für einen v5p-Trainingsjob einen der folgenden Beschleunigertypen in Ihrer Anfrage zum Erstellen der Befehlszeile oder TPU API:

  • v5p-8
  • v5p–16
  • v5p–32
  • v5p–64
  • v5p-128 (ein kompletter Cube/Rack)
  • v5p-256 (2 Cubes)
  • v5p-512
  • v5p-1024 ... v5p-12288

Parameter „AcceleratorConfig“ verwenden

Bei Cloud TPU-Versionen ab v5p wird AcceleratorConfig fast genauso verwendet wie mit Cloud TPU v4. Der Unterschied besteht darin, dass Sie den TPU-Typ nicht als --type=v4, sondern als die verwendete TPU-Version angeben (z. B. --type=v5p für den v5p-Release).

Ausfallsicherheit von Cloud TPU ICI

Die ICI-Resilienz trägt dazu bei, die Fehlertoleranz von optischen Verbindungen und optischen Schaltkreisen (Optical Circuit Switches, OCS) zu verbessern, die TPUs zwischen Cubes verbinden. (ICI-Verbindungen innerhalb eines Cubes verwenden Kupferverbindungen, die nicht betroffen sind.) Dank der ICI-Resilienz können ICI-Verbindungen um OCS- und optische ICI-Fehler weitergeleitet werden. Dadurch wird die Planungsverfügbarkeit von TPU-Slices verbessert, aber die ICI-Leistung wird vorübergehend beeinträchtigt.

Ähnlich wie bei Cloud TPU v4 ist die ICI-Robustheit standardmäßig für v5p-Slices aktiviert, die mindestens einen Cube haben:

  • v5p-128 beim Angeben des Beschleunigertyps
  • 4x4x4 beim Angeben der Beschleunigerkonfiguration

VM-, Host- und Slice-Attribute

Attribut Wert in einer TPU
Anzahl der V5p-Chips 4
Anzahl der vCPUs 208 (bei Verwendung einer NUMA-Bindung kann nur die Hälfte verwendet werden, um Leistungseinbußen bei NUMA-übergreifenden Werten zu vermeiden)
RAM (GB) 448 (bei Verwendung einer NUMA-Bindung kann nur die Hälfte verwendet werden, um Leistungseinbußen bei NUMA-übergreifenden Werten zu vermeiden)
Anzahl der NUMA-Knoten 2
NIC-Durchsatz (Gbit/s) 200

Beziehung zwischen der Anzahl der TensorCores, Chips, Hosts/VMs und Cubes in einem Pod:

Kerne Chips Hosts/VMs Würfel
Moderator:in 8 4 1
Cube (auch Rack) 128 64 16 1
Größtes unterstütztes Segment 12.288 6144 1.536 96
Vollständiger v5p-Pod 17920 8960 2240 140