Jūs varat izmantot Pytorch zibens ar TPU, taču to palaišana vietējā vidē nav vienkārša. TPU galvenokārt ir pieejami Google Cloud (GCP), Google Colab un Kaggle vidē. Šīs platformas nodrošina nepieciešamo infrastruktūru un iestatīšanu TPU lietošanai ar pytorch zibens [1] [2].
Lai izmantotu TPU vietējā vidē, jums būs jābūt piekļuvei TPU ierīcei, kas parasti nav iespējama bez mākoņa iestatīšanas. Tomēr pirms izvietošanas TPU mākonī jūs varat simulēt vai pārbaudīt modeļus lokāli, izmantojot citus akseleratorus, piemēram, GPU.
Ja vēlaties izmantot TPU, visizplatītākā pieeja ir projekta iestatīšana Google Cloud un izmantot viņu TPU pakalpojumus. Pytorch Lightning atbalsta, kas darbojas ar TPU caur Pytorch XLA integrāciju, kas apkopo augsta līmeņa operācijas optimizētās TPU operācijās [4] [5]. Google Colab piedāvā bezmaksas un pieejamu veidu, kā sākt lietot TPU ar Pytorch Lightning, nodrošinot Jupyter piezīmjdatoru vidi ar TPU atbalstu [1] [3].
Rezumējot, lai gan jūs nevarat viegli izmantot TPU vietējā vidē bez mākoņa infrastruktūras, varat izmantot mākoņa pakalpojumus, piemēram, Google Colab vai Google Cloud, lai izmantotu TPU ar pytorch zibens.
Atsauces:[1] https://lightning.ai/docs/pytorch/1.5.9/advanced/tpu.html
[2] https://pytorch-lightning.readthedocs.io/en/1.0.8/tpu.html
[3.]
:
[5] https://pytorch.org/xla/release/2.2/index.html
[6] https://github.com/lightning-ai/pytorch-lightning/issues/19274
[7] https://www.datacamp.com/tutorial/pytorch-lightning-tutorial
[8] https://github.com/lightning-ai/lightning/issues/16464