为啥 Google Colab TPU 和我的电脑一样慢？

Posted 2023-03-16

【中文标题】为啥 Google Colab TPU 和我的电脑一样慢？

【英文标题】：Why is Google Colab TPU as slow as my computer?为什么 Google Colab TPU 和我的电脑一样慢？

【发布时间】：2021-03-26 04:44:47

【问题描述】：

由于我有一个大型数据集并且我的 PC 中没有太多功能，我认为在 Google Colab 上使用 TPU 是一个好主意。

所以，这是我的 TPU 配置：

try:
    tpu = tf.distribute.cluster_resolver.TPUClusterResolver()
    print('Running on TPU ', tpu.master())
except ValueError:
    tpu = None

if tpu:
    tf.config.experimental_connect_to_cluster(tpu)
    tf.tpu.experimental.initialize_tpu_system(tpu)
    strategy = tf.distribute.experimental.TPUStrategy(tpu)
else:
    strategy = tf.distribute.get_strategy()
    
print("REPLICAS: ", strategy.num_replicas_in_sync) 

这是我的训练：

hist = model.fit(train_dataset, epochs=10, verbose=1, steps_per_epoch=count_data_items(filenames)//64)

【参考方案1】：

仅制定策略是不够的。您应该正确使用此策略。

您可能需要调整管道、增加批量大小等。

看看这里：https://cloud.google.com/tpu/docs/performance-guide

另一个重要的一点是TPU 有一个预热期——它在第一次调用（每次调用都具有新的输入形状）期间花费大量时间来构建计算图。

【讨论】：

+1。如果您不使用大批量，则 TPU 没有得到充分利用。我还建议使用experimental_steps_per_execution 标志（查看更多信息here），它可以降低回调运行的频率。

【参考方案2】：

目前可用于 Colab 笔记本的 TPU 内核数量为 8 个。要点：从观察训练时间可以看出，当批量较小时，TPU 比 GPU 花费的训练时间要多得多。但是当批量大小增加时，TPU 性能与 GPU 相当。go through this link for more details