用GPU代替TPU训练莎士比亚的模型

问题描述

我正在尝试了解使用 TPU 和 GPU 训练模型之间的区别。

这是训练模型部分：

import time

start = time.time()
tf.keras.backend.clear_session()

resolver = tf.distribute.cluster_resolver.TPUClusterResolver(tpu='grpc://' + os.environ['COLAB_TPU_ADDR'])
tf.config.experimental_connect_to_cluster(resolver)
#TPU initialization
tf.tpu.experimental.initialize_tpu_system(resolver)
print("All devices: ",tf.config.list_logical_devices('TPU'))

strategy = tf.distribute.experimental.TPUStrategy(resolver)

with strategy.scope():
  training_model = lstm_model(seq_len=100,stateful=False)
  training_model.compile(
      optimizer=tf.keras.optimizers.RMSprop(learning_rate=0.01),loss='sparse_categorical_crossentropy',metrics=['sparse_categorical_accuracy'])

training_model.fit(
    input_fn(),steps_per_epoch=100,epochs=10
)
training_model.save_weights('/tmp/bard.h5',overwrite=True)

end = time.time()
elapsed_TPU = end - start

print(elapsed_TPU)

（来源：https://colab.research.google.com/github/tensorflow/tpu/blob/master/tools/colab/shakespeare_with_tpu_and_keras.ipynb）

代码的顶部是用于 TPU 初始化。有什么办法可以改变它，让它适应在 GPU 上运行吗？

解决方法

除非您有 TPU 或多个 CPU/GPU，否则您不需要使用 tf.distribute.Strategy。见here。您可以在没有策略的情况下将其作为标准 Tensorflow 代码运行。

import time

start = time.time()
tf.keras.backend.clear_session()

training_model = lstm_model(seq_len=100,stateful=False)
training_model.compile(
    optimizer=tf.keras.optimizers.RMSprop(learning_rate=0.01),loss='sparse_categorical_crossentropy',metrics=['sparse_categorical_accuracy'])

training_model.fit(
    input_fn(),steps_per_epoch=100,epochs=10
)
training_model.save_weights('/tmp/bard.h5',overwrite=True)

end = time.time()
elapsed_TPU = end - start

print(elapsed_TPU)