Pytorch Lightning lahko uporabite s TPU -jem, vendar njihovo vodenje v lokalnem okolju ni enostavno. TPU -ji so na voljo predvsem v okolju Google Cloud (GCP), Google Colab in Kaggle. Te platforme zagotavljajo potrebno infrastrukturo in nastavitev za uporabo TPU -ja s Pytorch Lightning [1] [2].
Če želite uporabiti TPU v lokalnem okolju, bi morali imeti dostop do naprave TPU, ki brez nastavitve oblaka običajno ni izvedljiva. Vendar lahko svoje modele simulirate ali preizkusite lokalno z uporabo drugih pospeševalnikov, kot so GPU, preden jih namestite na TPU v oblaku.
Če želite uporabiti TPU -je, je najpogostejši pristop, da nastavite projekt v Google Cloud in uporabite njihove storitve TPU. Pytorch Lightning podpira, ki deluje na TPU-ju prek integracije Pytorch XLA, ki zbira operacije na visoki ravni v optimizirane operacije za TPU [4] [5]. Google Colab ponuja brezplačen in dostopen način za začetek uporabe TPU -ja s Pytorch Lightning, tako da zagotovi okolje Jupyter Notebook s podporo TPU [1] [3].
Če povzamemo, čeprav ne morete enostavno uporabljati TPU -jev v lokalnem okolju brez infrastrukture v oblaku, lahko uporabite storitve v oblaku, kot sta Google Colab ali Google Cloud, da uporabite TPU s Pytorch Lightning.
Navedbe:[1] https://lingning.ai/docs/pytorch/1.5.9/advanced/tpu.html
[2] https://pytorch-lighning.readthedocs.io/sl/1.0.8/tpu.html
[3] https://stackoverflow.com/questions/75693020/how-to-et-p-tpu-on-google-colab-for-pytorch-in-pytorch-lighting
[4] https://cloud.google.com/blog/products/ai-machine-learning/train-ml-models-with-pytorch-lighning-on-tpus
[5] https://pytorch.org/xla/release/2.2/index.html
[6] https://github.com/lingning-ai/pytorch-lighning/isissue/19274
[7] https://www.datacamp.com/tutorial/pytorch-lighning-tutorial
[8] https://github.com/lingning-ai/lingning/isissue/16464