Addestramento con acceleratori TPU

Vertex AI supporta l'addestramento con vari framework e librerie utilizzando una VM TPU. Quando configuri le risorse di calcolo, puoi specificare VM TPU v2, TPU v3 o TPU v5e. TPU v5e supporta JAX 0.4.6 e versioni successive, TensorFlow 2.15 e versioni successive e PyTorch 2.1 e versioni successive. Per dettagli sulla configurazione delle VM TPU per l'addestramento personalizzato, consulta Configurare le risorse di calcolo per l'addestramento personalizzato.

Addestramento di TensorFlow

Container predefinito

Utilizza un container di addestramento predefinito che supporta le TPU e crea un'applicazione di addestramento Python.

Nota: i container predefiniti per TPU v5e non sono disponibili.

Container personalizzato

Utilizza un container personalizzato in cui hai installato versioni di tensorflow e libtpu appositamente create per le VM TPU. Queste librerie sono gestite dal servizio Cloud TPU e sono elencate nella documentazione relativa alle configurazioni TPU supportate.

Nota: Vertex AI supporta solo le versioni di TensorFlow 2.11 e successive per i container personalizzati e le versioni di TensorFlow 2.12 e successive per i container di addestramento predefiniti.

Seleziona la versione tensorflow che preferisci e la raccolta libtpu corrispondente. Poi, installale nell'immagine del container Docker quando crei il container.

Ad esempio, se vuoi utilizzare TensorFlow 2.12, includi le seguenti istruzioni nel tuo Dockerfile:

  # Download and install `tensorflow`.
  RUN pip install https://storage.googleapis.com/cloud-tpu-tpuvm-artifacts/tensorflow/tf-2.15.0/tensorflow-2.15.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl

  # Download and install `libtpu`.
  # You must save `libtpu.so` in the '/lib' directory of the container image.
  RUN curl -L https://storage.googleapis.com/cloud-tpu-tpuvm-artifacts/libtpu/1.9.0/libtpu.so -o /lib/libtpu.so

  # TensorFlow training on TPU v5e requires the PJRT runtime. To enable the PJRT
  # runtime, configure the following environment variables in your Dockerfile.
  # For details, see https://cloud.google.com/tpu/docs/runtimes#tf-pjrt-support.
  # ENV NEXT_PLUGGABLE_DEVICE_USE_C_API=true
  # ENV TF_PLUGGABLE_DEVICE_LIBRARY_PATH=/lib/libtpu.so

Nota: questo non è un Dockerfile completo. Se vuoi utilizzare queste istruzioni, aggiungile a un Dockerfile per un container di addestramento personalizzato. Puoi anche trovare la versione libtpu corrispondente per la versione di TensorFlow nella pagina delle configurazioni di Cloud TPU.

pod di TPU

L'addestramento di tensorflow su un TPU Pod richiede una configurazione aggiuntiva nel contenitore di addestramento. Vertex AI gestisce un'immagine Docker di base che gestisce la configurazione iniziale.

URI immagine	Versione Python e versione TPU
us-docker.pkg.dev/vertex-ai/training/tf-tpu-pod-base-cp38:latest europe-docker.pkg.dev/vertex-ai/training/tf-tpu-pod-base-cp38:latest asia-docker.pkg.dev/vertex-ai/training/tf-tpu-pod-base-cp38:latest	3,8
us-docker.pkg.dev/vertex-ai/training/tf-tpu.2-15-pod-base-cp310:latest europe-docker.pkg.dev/vertex-ai/training/tf-tpu.2-15-pod-base-cp310:latest asia-docker.pkg.dev/vertex-ai/training/tf-tpu.2-15-pod-base-cp310:latest	3.10

Ecco i passaggi per creare il tuo contenitore personalizzato:

1. Scegli l'immagine di base per la versione di Python che preferisci. I pacchetti TPU TensorFlow per TensorFlow 2.12 e versioni precedenti supportano Python 3.8. TensorFlow 2.13 e versioni successive supportano Python 3.10 o versioni successive. Per i pacchetti TensorFlow specifici, consulta la sezione Configurazioni Cloud TPU.
2. Estendi l'immagine con il codice del tuo trainer e il comando di avvio.

# Specifies base image and tag
FROM us-docker.pkg.dev/vertex-ai/training/tf-tpu-pod-base-cp38:latest
WORKDIR /root

# Download and install `tensorflow`.
RUN pip install https://storage.googleapis.com/cloud-tpu-tpuvm-artifacts/tensorflow/tf-2.12.0/tensorflow-2.12.0-cp38-cp38-linux_x86_64.whl

# Download and install `libtpu`.
# You must save `libtpu.so` in the '/lib' directory of the container image.
RUN curl -L https://storage.googleapis.com/cloud-tpu-tpuvm-artifacts/libtpu/1.6.0/libtpu.so -o /lib/libtpu.so

# Copies the trainer code to the docker image.
COPY your-path-to/model.py /root/model.py
COPY your-path-to/trainer.py /root/trainer.py

# The base image is setup so that it runs the CMD that you provide.
# You can provide CMD inside the Dockerfile like as follows.
# Alternatively, you can pass it as an `args` value in ContainerSpec:
# (https://cloud.google.com/vertex-ai/docs/reference/rest/v1/CustomJobSpec#containerspec)
CMD ["python3", "trainer.py"]

Per vedere un esempio di come addestrare un modello TensorFlow personalizzato utilizzando le TPU in Vertex AI Pipelines, esegui il blocco note Jupyter "Vertex AI Pipelines: TPU model train, upload, and deploy using google-cloud-pipeline-components" in uno dei seguenti ambienti:

Apri in Colab | Apri in Colab Enterprise | Apri nei notebook gestiti dall'utente di Vertex AI Workbench | Visualizza su GitHub

Addestramento di PyTorch

Puoi utilizzare container predefiniti o personalizzati per PyTorch durante l'addestramento con le TPU.

Container predefinito

Utilizza un container di addestramento predefinito che supporta le TPU e crea un'applicazione di addestramento Python.

Container personalizzato

Utilizza un container personalizzato in cui hai installato la libreria PyTorch.

Ad esempio, il Dockerfile potrebbe avere il seguente aspetto:

FROM python:3.10

# v5e specific requirement - enable PJRT runtime
ENV PJRT_DEVICE=TPU

# install pytorch and torch_xla
RUN pip3 install torch~=2.1.0 torchvision torch_xla[tpu]~=2.1.0
 -f https://storage.googleapis.com/libtpu-releases/index.html

# Add your artifacts here
COPY trainer.py .

# Run the trainer code
CMD ["python3", "trainer.py"]

pod di TPU

L'addestramento viene eseguito su tutti gli host del pod di TPU (vedi Eseguire il codice PyTorch nelle sezioni del pod di TPU TPU).

Vertex AI attende una risposta da tutti gli host per decidere il completamento del job.

Formazione JAX

Container predefinito

Non sono disponibili container predefiniti per JAX.

Container personalizzato

Utilizza un container personalizzato in cui hai installato la libreria JAX.

Ad esempio, il Dockerfile potrebbe avere il seguente aspetto:

# Install JAX.
RUN pip install 'jax[tpu]>=0.4.6' -f https://storage.googleapis.com/jax-releases/libtpu_releases.html

# Add your artifacts here
COPY trainer.py trainer.py

# Set an entrypoint.
ENTRYPOINT ["python3", "trainer.py"]

pod di TPU

L'addestramento viene eseguito su tutti gli host del pod TPU (vedi Eseguire il codice JAX nelle sezioni di pod di TPU).

Vertex AI monitora il primo host del pod di TPU per decidere il completamento del job. Puoi utilizzare il seguente snippet di codice per assicurarti che tutti gli host escano contemporaneamente:

# Your training logic
...

if jax.process_count() > 1:
  # Make sure all hosts stay up until the end of main.
  x = jnp.ones([jax.local_device_count()])
  x = jax.device_get(jax.pmap(lambda x: jax.lax.psum(x, 'i'), 'i')(x))
  assert x[0] == jax.device_count()

Variabili di ambiente

La seguente tabella illustra le variabili di ambiente che puoi utilizzare all'interno del contenitore:

Nome	Valore
TPU_NODE_NAME	my-first-tpu-node
TPU_CONFIG	{"project": "tenant-project-xyz", "zone": "us-central1-b", "tpu_node_name": "my-first-tpu-node"}

Service account personalizzato

Per l'addestramento delle TPU puoi utilizzare un account di servizio personalizzato. Per informazioni su come utilizzare un account di servizio personalizzato, consulta la pagina su come utilizzare un account di servizio personalizzato.

IP privato (peering di rete VPC) per l'addestramento

Per l'addestramento TPU è possibile utilizzare un IP privato. Consulta la pagina su come utilizzare un IP privato per l'addestramento personalizzato.

Controlli di servizio VPC

I progetti con i Controlli di servizio VPC abilitati possono inviare job di addestramento TPU.

Limitazioni

Quando esegui l'addestramento utilizzando una VM TPU, si applicano le seguenti limitazioni:

• Le TPU sono disponibili solo in alcune regioni di Vertex AI.

Tipi di TPU

Per ulteriori informazioni sugli acceleratori TPU, come il limite di memoria, consulta la sezione Tipi di TPU.