我的模型太大，无法使用普通的 v2 TPU 设备获得 >64 的批处理。关于troubleshooting网站提到即将推出的 tensorflow 版本将支持 bfloat16。新支持的 tf 版本 1.9-1.12 现在是否能够使用 bfloat16？如果是，我可以使用的优化器是否有限？我没有找到任何关于此的进一步文档，但在 tensor2tensor 模型中看到了 bfloat16 的用法，所以我想一定有办法。
此外，我读到 TPU v3 supports bigger models as well但是该模型需要进行最少的更改，但我没有找到任何需要更改的文档。
我已经在使用 Adafactor并尝试减少我的层数，如果您有任何进一步的减少技巧，那也很棒。我正在使用图片矩阵和词向量(目前为 float32)作为输入。
请您参考如下方法:
您可以将 bfloat16 与 TPU 一起使用。主要有两件事要做:
- 在您的输入管道中将输入转换为 bfloat16
- 将您的网络包围在 bfloat16 范围内，并将输出转换为 F32 以进行进一步计算。
这是一个代码片段，说明了必要的更改:
def input_fn():
def dataset_parser(self, value):
"""Parse an ImageNet record from a serialized string Tensor."""
image = self.image_preprocessing_fn(
image_bytes=image_bytes,
is_training=self.is_training,
)
if self.use_bfloat16:
image = tf.cast(image, tf.bfloat16)
return image, label
def resnet_model_fn(features, labels, mode, params):
"""The model_fn for ResNet to be used with TPUEstimator."""
# This nested function allows us to avoid duplicating the logic which
# builds the network, for different values of --precision.
def build_network():
network = resnet_model.resnet_v1(
resnet_depth=FLAGS.resnet_depth,
num_classes=LABEL_CLASSES,
data_format=FLAGS.data_format)
return network(
inputs=features, is_training=(mode == tf.estimator.ModeKeys.TRAIN))
if FLAGS.precision == 'bfloat16':
with bfloat16.bfloat16_scope():
logits = build_network()
logits = tf.cast(logits, tf.float32)
elif FLAGS.precision == 'float32':
logits = build_network()
您还可以看到 this TPU model 中说明的第二个条件.
