Du kan använda Pytorch -blixt med TPU: er, men att köra dem i en lokal miljö är inte enkelt. TPU: er är främst tillgängliga på Google Cloud (GCP), Google Colab och Kaggle -miljöer. Dessa plattformar tillhandahåller den nödvändiga infrastrukturen och installationen för att använda TPU: er med Pytorch -blixt [1] [2].
För att använda TPU: er i en lokal miljö måste du ha tillgång till en TPU -enhet, som vanligtvis inte är genomförbar utan en molninställning. Du kan dock simulera eller testa dina modeller lokalt med andra acceleratorer som GPU: er innan du distribuerar dem på TPU: er i molnet.
Om du vill använda TPU: er är det vanligaste tillvägagångssättet att skapa ett projekt på Google Cloud och använda sina TPU -tjänster. Pytorch Lightning stöder som körs på TPU: er genom Pytorch XLA-integrationen, som sammanställer högnivåoperationer till optimerade operationer för TPU: er [4] [5]. Google Colab erbjuder ett gratis och tillgängligt sätt att börja använda TPU: er med Pytorch Lightning genom att tillhandahålla en Jupyter Notebook -miljö med TPU -stöd [1] [3].
Sammanfattningsvis, medan du inte enkelt kan använda TPU: er i en lokal miljö utan molninfrastruktur, kan du utnyttja molntjänster som Google Colab eller Google Cloud för att använda TPU: er med Pytorch Lightning.
Citeringar:[1] https://light.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/lighning-ai/pytorch-lighing/issues/19274
[7] https://www.datacamp.com/tutorial/Pytorch-Lightning-tutorial
[8] https://github.com/lighning-ai/lighning/issues/16464