Ilma täiendava seadistuseta ei saa TPU -dega Pytorch Lightningit otse oma kohalikus masinas kasutada. TPU -d on spetsiaalsed riistvarakiirendid, mis on saadaval peamiselt Google Cloud platvormil (GCP) ja nende tööks on vaja konkreetseid konfiguratsioone. Siit saate teada, miks ja kuidas saate neid ikkagi kasutada:
1. Saadavus ja seadistamine: TPU -d pole tavaliselt kohalikuks kasutamiseks saadaval. Tavaliselt pääseb neile juurde selliste pilveteenuste kaudu nagu Google Cloud, kus saate TPU sõlmisid pakkuda ja nendega ühenduse luua pilvekeskkonnast või kaugjuhitamisest nagu Google Colab [2] [3].
2. Cloud TPU VMS: kõige sirgjoonelisem viis TPU-de kasutamiseks on Cloud TPU VMS kaudu, mis võimaldab otsest SSH-i juurdepääsu ja on eelinstalleeritud vajaliku tarkvaraga nagu Pytorch ja Pytorch XLA. See seadistus lihtsustab protsessi, kuid nõuab siiski pilvekeskkonda [1] [3].
3. Kohalikud alternatiivid: kui soovite mudeleid kohapeal koolitada, võiksite kaaluda GPU -de kasutamist, mis on sagedamini saadaval kohalike masinate jaoks. Pytorch Lightning toetab GPU treeningut ja saate hõlpsalt vahetada erinevate kiirendite vahel (nt TPU -st GPU -ni), reguleerides parameetrit "Kiirendaja" oma "treener" seadistuses.
TPU -de kasutamiseks peate tavaliselt:
- Seadistage Google Cloud konto.
- TPU sõlme tagamine või kasutage pilve TPU VM.
- Paigaldage vajalikud paketid nagu Pytorch ja Pytorch XLA.
- konfigureerige oma keskkond TPU -ga ühenduse loomiseks.
Ilma nende sammudeta ei saa te oma kohalikus masinas TPU -sid kasutada. Enne pilves TPU -le kolimist saate oma mudelit GPU -de või protsessorite kohapeal hõlpsalt simuleerida või testida.
Tsitaadid:]
]
[3] https://lightning.ai/docs/pytorch/1.5.9/advanced/tpu.html
]
[5] https://lightning.ai/docs/pytorch/2.0.2/accecerators/tpu_faq.html
]
[7] https://pytorch.org/xla/release/2.2/index.html
]
]