Taip, TPU gali būti naudojamas tiek su „Pytorch“, tiek „Keras“ didelio masto AI projektams.
pytorch on tpus
„Pytorch“ gali veikti TPU, dėka „Google“ TPU komandos ir „Pytorch“ kūrėjų bendradarbiavimo. Šią integraciją palengvina tokios priemonės kaip „Pytorch Lightning“, leidžiančios „Pytorch“ kodui veikti TPU be modifikacijų. „Pytorch Lightning“ naudoja XLA (pagreitintą linijinę algebrą), kad būtų galima išversti skirtingų greitintuvų skaičiavimus, leidžiančius efektyviai naudoti TPU. Tačiau TPU paprastai pasiekiama per „Google Cloud Services“ ir jų nėra galima įsigyti kaip atskirą asmeninio naudojimo aparatinę įrangą [1] [3].keras ant TPU
„Keras“, būdamas kelių kadrų darbo API, taip pat gali panaudoti TPU, ypač kai tai naudojama su „Tensorflow“ ar „Jax“ kaip pagrindinę. „Keras“ modelius galima lengvai pritaikyti veikiant TPU, perjungus pagrindinę pagrindinę dalį į JAX, kuri palaiko didelio masto TPU treniruotes. Šis lankstumas leidžia kūrėjams rašyti „Keras“ kodą, kurį galima vykdyti įvairiose platformose, įskaitant „Google Cloud TPUS“ [2] [5]. Tačiau ne visos „Keras“ operacijos yra suderinamos su TPU; Pavyzdžiui, UPSAMPLING2D nėra visiškai palaikomas [7].Apibendrinant galima pasakyti, kad tiek „Pytorch“, tiek „Keras“ gali naudoti TPU didelio masto AI projektams, tačiau sąranka ir suderinamumas gali skirtis priklausomai nuo konkretaus naudojimo atvejo ir pagrindinės sistemos.
Citatos:[1] https://www.reddit.com/r/machinelearning/comments/faahsp/news_you_can_now_run_pytorch_code_on_tpus/
[2] https://towardsdataSsicence.com/multi-framework-ai-ml-development-with-keras-3-cf7be29eb23d/
[3] https://discuss.pytorch.org/t/pytorch-tpu-spport/25504
[4] https://www.pickl.ai/blog/pytorch-vs-tensorflow-vs-keras/
[5] https://keras.io/about/
[6] https://massedcompute.com/faq-answers/?question=can+tpus+be+use+With+tensorflow+and+Pytorch+For+Deep+Learning+Tasks%3F
[7] https://stackoverflow.com/questions/53215477/where-can-i-iidrify-which-keras-methods-are-tpu-suderinami-methods
[8] https://www.linkedin.com/pulse/comparion-ai-frameworks-tensorflow-vs-pytorch-keras-emma-al-naw5f