使用 Cloud TPU 进行 BERT 微调：句子和句对分类任务 (TF 2.x)

本教程介绍如何在 Cloud TPU 上训练基于 Transformer 的双向编码器表示法 (BERT) 模型。

BERT 是预训练语言表示法的一种方法。预训练涉及 BERT 如何首先针对大量文本进行训练，例如维基百科。然后，您可以将训练结果应用于其他自然语言处理 (NLP) 任务，例如问答系统和情感分析。借助 BERT 和 Cloud TPU，您可以在大约 30 分钟内训练各种 NLP 模型。

如需详细了解 BERT，请参阅以下资源：

目标

创建 Cloud Storage 存储分区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 存储分区和 Compute Engine 虚拟机。

打开一个 Cloud Shell 窗口。
打开 Cloud Shell
为项目 ID 创建一个变量。

   export PROJECT_ID=project-id

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

gcloud config set project ${PROJECT_ID}

为 Cloud TPU 项目创建服务账号。

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

该命令将返回以下格式的 Cloud TPU 服务账号：


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

使用以下命令创建 Cloud Storage 存储分区：

    gcloud storage buckets create gs://bucket-name --project=${PROJECT_ID} --location=us-central1

此 Cloud Storage 存储分区存储您用于训练模型的数据和训练结果。用于创建 TPU 的命令， gcloud compute tpus tpu-vm create用于为您在上一步中设置的 Cloud TPU 服务账号。如果您需要更精细的权限，请查看访问级层权限。

存储桶位置必须与您的 TPU（虚拟机）位于同一区域。

使用 gcloud 启动 TPU 虚拟机。有关详情，请参阅 gcloud 参考。

    $ gcloud compute tpus tpu-vm create bert-tutorial \
      --zone=us-central1-b \
      --accelerator-type=v3-8 \
      --version=tpu-vm-tf-2.17.0-se

命令标志说明


`zone`

拟在其中创建 Cloud TPU 的[区域](https://cloud.google.com/tpu/docs/types-zones?hl=zh-cn)。

`accelerator-type`

加速器类型指定要创建的 Cloud TPU 的版本和大小。 如需详细了解每个 TPU 版本支持的加速器类型，请参阅 [TPU 版本](https://cloud.google.com/tpu/docs/system-architecture-tpu-vm?hl=zh-cn#versions)。

`version`

Cloud TPU [软件版本](https://cloud.google.com/tpu/docs/supported-tpu-versions?hl=zh-cn#tpu_software_versions)。

使用 SSH 连接到 TPU 虚拟机实例。连接到虚拟机后 shell 提示符从 username@projectname 更改为 username@vm-name：

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

为 TPU 名称创建环境变量。

  (vm)$ export TPU_NAME=local

准备数据集

定义存储模型和数据集所需的存储桶：

 (vm)$ export STORAGE_BUCKET=gs://bucket-name

将预训练的检查点和词汇表文件复制到您的存储桶：

      (vm)$ curl https://storage.googleapis.com/tf_model_garden/nlp/bert/v3/uncased_L-12_H-768_A-12.tar.gz -o uncased_L-12_H-768_A-12.tar.gz
      (vm)$ mkdir -p uncased_L-12_H-768_A-12
      (vm)$ tar -xvf uncased_L-12_H-768_A-12.tar.gz
      (vm)$ gcloud storage cp uncased_L-12_H-768_A-12 ${STORAGE_BUCKET} --recursive

训练模型

定义在测试期间训练和评估模型：

      (vm)$ export INIT_CHECKPOINT=${STORAGE_BUCKET}/uncased_L-12_H-768_A-12/bert_model.ckpt
      (vm)$ export TFDS_DIR=${STORAGE_BUCKET}/tfds
      (vm)$ export VOCAB_FILE=${STORAGE_BUCKET}/uncased_L-12_H-768_A-12/vocab.txt
      (vm)$ export MODEL_DIR=${STORAGE_BUCKET}/bert-output
      (vm)$ export TASK=mnli

安装 TensorFlow 要求。

(vm)$ pip3 install -r /usr/share/tpu/models/official/requirements.txt

设置 PYTHONPATH 环境变量

 (vm)$ export PYTHONPATH=/usr/share/tpu/models

(vm)$ cd /usr/share/tpu/models

运行训练脚本：

    (vm)$ python3 official/nlp/train.py \
      --tpu=${TPU_NAME} \
      --experiment=bert/sentence_prediction_text \
      --mode=train_and_eval \
      --model_dir=${MODEL_DIR} \
      --config_file=official/nlp/configs/experiments/glue_mnli_text.yaml \
      --params_override="runtime.distribution_strategy=tpu, task.init_checkpoint=${INIT_CHECKPOINT}, task.train_data.tfds_data_dir=${TFDS_DIR}, task.train_data.vocab_file=${VOCAB_FILE}, task.validation_data.tfds_data_dir=${TFDS_DIR}, task.validation_data.vocab_file=${VOCAB_FILE}, trainer.train_steps=2000"

命令标志说明


`tpu`

要用于训练的 Cloud TPU 的名称。

`mode`

以下用户之一：`train`、`eval`、`train_and_eval`、 或 `predict`。

`model_dir`

存储检查点和摘要的 Cloud Storage 路径 模型训练期间的预测。您可以重复使用现有文件夹来之前加载 还可以存储其他检查点，但前提是 之前使用 Cloud TPU 和 Cloud TPU 创建 相同大小和 TensorFlow 版本。

该脚本会训练 2000 步，然后运行 307 步的评估。 在 v3-8 TPU 上，大约 5 分钟后，训练脚本应该 完整并显示类似如下所示的结果：

```auto
I0719 00:47:52.683979 140297079573568 controller.py:457] train | step:   2000 | steps/sec:   26.3 | output:
{'cls_accuracy': 0.7249375,
 'learning_rate': 1.4670059e-05,
 'training_loss': 0.6740678}
train | step:   2000 | steps/sec:   26.3 | output:
{'cls_accuracy': 0.7249375,
 'learning_rate': 1.4670059e-05,
 'training_loss': 0.6740678}
I0719 00:47:53.184051 140297079573568 controller.py:277]  eval | step:   2000 | running 307 steps of evaluation...
eval | step:   2000 | running 307 steps of evaluation...
```

清理

断开与 Compute Engine 实例的连接（如果您尚未这样做）：

(vm)$ exit

您的提示符现在应为 username@projectname，表明您位于 Cloud Shell 中。

删除您的 Cloud TPU 和 Compute Engine 资源。

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

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：

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

使用 gcloud CLI 删除 Cloud Storage 存储桶，如下所示。将 bucket-name 替换为您的 Cloud Storage 存储分区的名称。

 $ gcloud storage rm gs://bucket-name --recursive

后续步骤

TensorFlow Cloud TPU 教程通常使用示例数据集来训练模型。此训练的结果不能用于推理。接收者使用模型进行推理，就可以使用公开可用的或您自己的数据集。在 Cloud TPU 上训练的 TensorFlow 模型通常需要将数据集 TFRecord 格式。

您可以使用数据集转换工具示例，用于转换图片转换为 TFRecord 格式。如果您使用的不是图片分类模型，您需要将数据集转换为 TFRecord 格式。如需了解详情，请参阅 TFRecord 和 tf.Example。

超参数调节

要使用数据集提升模型的性能，您可以调整模型的超参数。您可以找到所有用户共有的超参数的相关信息支持 TPU 的 GitHub。如需了解特定于模型的超参数，请参阅源代码每个代码模型。如需详细了解超参数调优，请参阅概览超参数调优和 Tune 超参数。

推断

训练模型后，即可将其用于推理（也称为预测）。您可以使用 Cloud TPU 推断转换器工具来准备和优化在 Cloud TPU v5e 上用于推理的 TensorFlow 模型。有关如需了解如何在 Cloud TPU v5e 上进行推理，请参阅 Cloud TPU v5e 推理简介。

探索 TensorBoard 中的 TPU 工具。

文章来源：google cloud

推荐阅读

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。

目标

费用

准备工作

准备数据集

训练模型

清理

后续步骤

超参数调节

推断

推荐阅读

目录