Question

从TPU常见问题中阅读以下内容：https://cloud.google.com/tpu/docs/faq

我可以在Compute Engine上训练递归神经网络（RNN）吗？

在某些配置中，tf.static_rnn（）和tf.dynamic_rnn（）与当前的TPU执行引擎兼容。更一般而言，TPU支持tf.while_loop（）和TensorArray，用于实现tf.dynamic_rnn（）。 TPU不支持诸如CuDNN之类的专用工具箱，因为它们包含GPU特定的代码。在TPU上使用tf.while_loop（）确实需要指定循环迭代次数的上限，以便TPU执行引擎可以静态确定内存使用情况。

如何使我的SimpleRNN静态或有效以在Colab TPU上运行？

Colab TPU代码

import tensorflow as tf
import os
from tensorflow.keras import Sequential
from tensorflow.keras.layers import Dense, SimpleRNN

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

strategy = tf.distribute.TPUStrategy(resolver)

with strategy.scope():  
  model = Sequential()
  model.add(SimpleRNN(units=32, input_shape=(1,step), activation="relu"))
  model.add(Dense(16, activation="relu"))
  model.add(Dense(1))
  model.compile(loss='mean_squared_error', optimizer='rmsprop')

model.fit(X,y, epochs=50, batch_size=16, verbose=0)

如何使TensorFlow SimpleRNN静态以在Colab TPU上进行训练？

0 个答案: