在 Cloud TPU 上运行 MNIST (TF 2.x)

本教程包含 MNIST 模型的简要说明、有关下载 MNIST TensorFlow TPU 代码示例的说明，以及在 Cloud TPU 上运行代码的指南。

注意：Cloud TPU 快速入门也包含此信息。
重要提示：本教程适用于 TPU 虚拟机和旧版 TPU 节点这两种 TPU 配置。您使用的 gcloud 命令取决于您使用的 TPU 配置。每个 gcloud 命令都显示在标签式部分中。选择您要使用的 TPU 配置的标签页，网页会显示相应的 gcloud 命令。除非您知道需要使用旧版 TPU 节点，否则我们建议您使用 TPU 虚拟机。如需详细了解 TPU 配置，请参阅系统架构。

免责声明

本教程使用第三方数据集。Google 不对此数据集的有效性或任何其他方面提供任何表示、担保或其他保证。

模型说明

MNIST 数据集包含大量 0 到 9 之间的手写数字图片，以及标识每个图片中数字的标签。

本教程将训练一个机器学习模型作为示例，以根据 MNIST 数据集对图片进行分类。经过训练之后，该模型根据从 MNIST 数据集中获取的手写图像而学到的内容，将输入图像分为 10 个类别（0 到 9）。然后，您可以向模型发送它之前未曾见过的图像，之后模型会根据其在训练期间学到的内容来识别图像中的数字。

MNIST 数据集分为以下三个部分：

• 60000 个训练数据示例
• 10000 个测试数据示例
• 5000 个验证数据示例

此模型包含 7 个层：

• 2 个卷积
• 2 个池化
• 2 个密集（全连接）
• 1 个漏失

损失是使用分类交叉熵计算的。

此版本的 MNIST 模型使用 Keras API，这是在 Cloud TPU 上构建和运行机器学习模型的推荐方法。

Keras 通过隐藏大部分低级实现来简化模型开发流程，从而让您更轻松在 TPU 和其他测试平台（例如 GPU 或 CPU）之间切换。

注意 ：此模型仅执行训练。

目标

• 创建 Cloud Storage 存储桶以保存数据集和模型输出。
• 运行训练作业。
• 验证输出结果。

费用

在本文档中，您将使用 Google Cloud 的以下收费组件：

• Compute Engine
• Cloud TPU
• Cloud Storage

您可使用价格计算器根据您的预计使用情况来估算费用。 Google Cloud 新用户可能有资格申请免费试用。

准备工作

本部分介绍如何设置 Cloud Storage 存储桶和 Compute Engine 虚拟机。

重要提示：在同一区域/地区设置 Compute Engine 虚拟机、Cloud TPU 节点和 Cloud Storage 存储桶，以减少网络延迟和网络费用。

1. 打开一个 Cloud Shell 窗口。

打开 Cloud Shell

2. 为项目 ID 创建一个变量。

export PROJECT_ID=project-id

3. 配置 Google Cloud CLI 以使用要在其中创建 Cloud TPU 的项目。

gcloud config set project ${PROJECT_ID}

当您第一次在新的 Cloud Shell 虚拟机中运行此命令时，系统会显示 Authorize Cloud Shell 页面。点击页面底部的 Authorize 以允许 gcloud 使用您的凭据进行 Google Cloud API 调用。

4. 为 Cloud TPU 项目创建服务账号。

gcloud beta services identity create --service tpu.googleapis.com --project $PROJECT_ID

该命令会返回以下格式的 Cloud TPU 服务帐号：

service-PROJECT_NUMBER@cloud-tpu.iam.gserviceaccount.com

5. 使用以下命令创建 Cloud Storage 存储桶：

注意：在以下命令中，将 bucket-name 替换为您要分配给存储桶的名称。

gsutil mb -p ${PROJECT_ID} -c standard -l us-central1 gs://bucket-name

此 Cloud Storage 存储桶存储您用于训练模型的数据和训练结果。本教程中使用的 gcloud 命令会为您在上一步中设置的 Cloud TPU 服务账号设置默认权限。如果您需要更精细的权限，请查看访问级层权限。

6. 使用 gcloud 命令启动 Compute Engine 虚拟机和 Cloud TPU。 使用的命令取决于您使用的是 TPU 虚拟机还是 TPU 节点。如需了解详情，请参阅系统架构。

TPU虚拟机

gcloud compute tpus tpu-vm create mnist-tutorial \
--zone=us-central1-b \
--accelerator-type=v3-8 \
--version=tpu-vm-tf-2.16.1-pjrt \

TPU节点

gcloud compute tpus execution-groups create \
--name=mnist-tutorial \
--zone=us-central1-b \
--tf-version=2.12.0 \
--machine-type=n1-standard-1 \
--accelerator-type=v3-8 \

如需详细了解 gcloud 命令，请参阅 gcloud 参考文档。

7. 当 gcloud compute tpus 命令执行完毕后，验证 shell 提示符已从 username@projectname 更改为 username@vm-name。此变化表明您现已登录 Compute Engine 虚拟机。

如果未连接到 Compute Engine 实例，您可以通过运行以下命令进行连接：

TPU虚拟机

gcloud compute tpus tpu-vm ssh mnist-tutorial --zone=us-central1-b

TPU节点

gcloud compute ssh mnist-tutorial --zone=us-central1-b

在您继续按照这些说明操作时，请在虚拟机会话窗口中运行以 (vm)$ 开头的每个命令。

8. 为 TPU 名称创建环境变量。

TPU虚拟机

export TPU_NAME=local

TPU节点

export TPU_NAME=mnist-tutorial

9. 安装 TensorFlow 要求。

使用的命令取决于您使用的是 TPU 虚拟机还是 TPU 节点。

TPU虚拟机

pip3 install -r /usr/share/tpu/models/official/requirements.txt

TPU节点

pip3 install --user tensorflow-model-optimization>=0.1.3

训练模型

MNIST TPU 模型的源代码可在 GitHub 上找到。

1. 设置以下变量。将 bucket-name 替换为您的存储桶名称。

export STORAGE_BUCKET=gs://bucket-name
export MODEL_DIR=${STORAGE_BUCKET}/mnist
export DATA_DIR=${STORAGE_BUCKET}/data

2. 设置 PYTHONPATH 环境变量。

TPU虚拟机

export PYTHONPATH="${PYTHONPATH}:/usr/share/tpu/models"

TPU节点

export PYTHONPATH="${PYTHONPATH}:/usr/share/models"

3. 创建 TPU 时，如果将 --version 参数设置为以 -pjrt 结尾的版本，请设置以下环境变量以启用 PJRT 运行时：

  export NEXT_PLUGGABLE_DEVICE_USE_C_API=true
  export TF_PLUGGABLE_DEVICE_LIBRARY_PATH=/lib/libtpu.so

4. 切换至存储模型的目录。

TPU虚拟机

cd /usr/share/tpu/models/official/legacy/image_classification

TPU节点

cd /usr/share/models/official/legacy/image_classification

5. 运行 MNIST 训练脚本：

python3 mnist_main.py \
  --tpu=${TPU_NAME} \
  --model_dir=${MODEL_DIR} \
  --data_dir=${DATA_DIR} \
  --train_epochs=10 \
  --distribution_strategy=tpu \
  --download

训练脚本在 v3-8 Cloud TPU 上运行的时间不到 5 分钟，并显示类似以下内容的输出：

清理

为避免因本教程中使用的资源导致您的 Google Cloud 账号产生费用，请删除包含这些资源的项目，或者保留项目但删除各个资源。

1. 断开与 Compute Engine 实例的连接（如果您尚未这样做）：

exit

2. 删除您的 Cloud TPU 和 Compute Engine 资源。 用于删除资源的命令取决于您使用的是 TPU 虚拟机还是 TPU 节点。如需了解详情，请参阅系统架构系统架构。

TPU虚拟机

gcloud compute tpus tpu-vm delete mnist-tutorial \
--zone=us-central1-b

TPU节点

gcloud compute tpus execution-groups delete mnist-tutorial \
--zone=us-central1-b

3.通过运行 gcloud compute tpus execution-groups list 验证资源是否已删除。删除操作可能需要几分钟时间才能完成。以下命令的输出不应包含本教程中创建的任何资源：

TPU虚拟机

gcloud compute tpus tpu-vm list --zone=us-central1-b

TPU节点

gcloud compute tpus execution-groups list --zone=us-central1-b

4. 使用 gsutil 删除 Cloud Storage 存储桶，如以下示例所示。将 bucket-name 替换为您的 Cloud Storage 存储桶的名称。

gsutil rm -r gs://bucket-name

注意 ：如需了解免费存储限制和其他价格信息，请参阅 Cloud Storage 价格指南。

后续步骤

TensorFlow Cloud TPU 教程通常使用示例数据集来训练模型。此训练的结果无法用于推理。如需使用模型进行推理，您可以在公开数据集或您自己的数据集上训练模型。在 Cloud TPU 上训练的 TensorFlow 模型通常需要数据集采用 TFRecord 格式。

您可以使用数据集转换工具示例将图片分类数据集转换为 TFRecord 格式。如果您使用的不是图片分类模型，则必须自行将数据集转换为 TFRecord 格式。如需了解详情，请参阅 TFRecord 和 tf.Example。

超参数调优

如需使用数据集提高模型的性能，您可以调整模型的超参数。您可以在 GitHub 上找到所有 TPU 支持模型通用的超参数信息。您可以在每个模型的源代码中找到有关模型特有超参数的信息。如需详细了解超参数调节，请参阅超参数调节概览和调节超参数。

推理

训练完模型后，您可以使用它进行推理（也称为预测）。您可以使用 Cloud TPU 推理转换器工具准备和优化 TensorFlow 模型，以在 Cloud TPU v5e 上进行推断。如需详细了解 Cloud TPU v5e 上的推断，请参阅 Cloud TPU v5e 推断简介。

• 运行 Cloud TPU colab，演示如何使用您自己的图片数据训练图片分类模型。
• 浏览其他 Cloud TPU 教程。
• 学习 TensorBoard 中 TPU 监控工具的使用方法。
• 运行 ResNet 示例以验证大型模型的性能。

文章来源：google cloud

推荐阅读

• PyTorch ResNet实现图像分类(从模型的训练到Android部署)
• resnet50训练部署教程
• WaveNet结构与推断

更多芯擎AI开发板干货请关注芯擎AI开发板专栏。欢迎添加极术小姐姐微信（id:aijishu20)加入技术交流群，请备注研究方向。