Voit käyttää Pytorch -salamaa TPU: lla, mutta niiden ajaminen paikallisessa ympäristössä ei ole suoraviivaista. TPU: t ovat ensisijaisesti saatavana Google Cloudissa (GCP), Google Colab- ja Kaggle -ympäristöissä. Nämä alustat tarjoavat tarvittavan infrastruktuurin ja asennuksen TPU: n käyttämiseksi pytorch -salaman kanssa [1] [2].
Jos haluat käyttää TPU: ta paikallisessa ympäristössä, sinun on saatava pääsy TPU -laitteeseen, joka ei yleensä ole mahdollista ilman pilviasetuksia. Voit kuitenkin simuloida tai testata mallejasi paikallisesti käyttämällä muita kiihdyttimiä, kuten GPU: ta, ennen kuin otat ne käyttöön Pilven TPU: lla.
Jos haluat käyttää TPU: ta, yleisin lähestymistapa on perustaa projekti Google Cloudiin ja käyttää niiden TPU -palveluita. Pytorch Lightning tukee TPU: lla käynnissä Pytorch XLA -integraation kautta, joka koota korkean tason toiminnot optimoituihin toimintoihin TPU: lle [4] [5]. Google Colab tarjoaa ilmaisen ja helposti saavutettavan tavan aloittaa TPU: n käyttö Pytorch Lightningillä tarjoamalla Jupyter -muistikirja -ympäristö TPU -tuella [1] [3].
Yhteenvetona voidaan todeta, että vaikka et voi helposti käyttää TPU: ta paikallisessa ympäristössä ilman pilvi -infrastruktuuria, voit hyödyntää pilvipalveluita, kuten Google Colab tai Google Cloud, käyttääksesi TPU: ta pytorch -salaman kanssa.
Viittaukset:[1] https://lighting.ai/docs/pytorch/1.5.9/advanced/tpu.html
[2] https://pytorch-lightning.readthedocs.io/en/1.0.8/tpu.html
.
.
[5] https://pytorch.org/xla/release/2.2/index.html
[6] https://github.com/lightning-ai/pytorch-lighting/issues/19274
.
[8] https://github.com/lightning-ai/lightning/issues/16464