MaxText を使用して TPU VM で教師ありファインチューニングを実行する

このチュートリアルでは、大規模言語モデル（LLM）用の高性能 JAX ベースのトレーニング スタックである MaxText を使用して、 Google Cloud の単一の v6e-8 Tensor Processing Unit（TPU）仮想マシン（VM）インスタンスで教師ありファインチューニング（SFT）を実行するための手順ガイドを提供します。

ワークロードの概要

この SFT ワークロードを Cloud TPU VM で実行するには、次のコンポーネントが必要です。

• モデル: オープン ウェイトの軽量言語モデルである Gemma 3 4B（gemma3-4b）。このチュートリアルでは、モデルの重みを Hugging Face 形式から MaxText 互換形式（mt-format）に変換し、JAX を使用して単一の Cloud TPU v6e-8 VM で実行できるように準備します。
• トレーニング方法: MaxText を使用した SFT。ワークロードは、JAX を使用して単一の Cloud TPU v6e-8 インスタンスでファインチューニング パイプラインを実行します。MaxText の組み込み SFT トレーナー（maxtext.trainers.post_train.sft.train_sft）と、会話に特化した指示チューニング データセットを使用して、1,000 ステップにわたってモデル パラメータを最適化します。
• データセットとテンプレート: UltraChat 200k（HuggingFaceH4/ultrachat_200k）。大規模で高品質なマルチターン ダイアログ データセット（messages 列で分割された train_sft）。モデルのファインチューニングに使用され、会話機能と指示追従機能を改善します。
• インフラストラクチャとフレームワーク: 単一の Cloud TPU v6e-8 VM インスタンス（ct6e-standard-8t）。フレームワークは、JAX を搭載した MaxText（maxtext[tpu-post-train]）です。

目標

• Cloud TPU VM インスタンスを設定する。
• MaxText とその依存関係をインストールします。
• Hugging Face モデルを MaxText 形式に変換します。
• TPU で SFT トレーニング ワークロードを実行します。
• サービング用にファインチューニングされたモデルを Hugging Face 形式に変換します。

費用

このドキュメントでは、課金対象である次の Google Cloudコンポーネントを使用します。

• Cloud TPU

料金計算ツールを使うと、予想使用量に基づいて費用の見積もりを生成できます。

新規の Google Cloud ユーザーは無料トライアルをご利用いただける場合があります。

このドキュメントに記載されているタスクの完了後、作成したリソースを削除すると、それ以上の請求は発生しません。詳細については、クリーンアップをご覧ください。

重要: このチュートリアルを完了するには、v6e-8 TPU にアクセスできる必要があります。このチュートリアルでは、必要なときに容量を使用できるように、Google Cloud プロジェクトでこれらの TPU の予約がすでに行われていることを前提としています。将来の日時に Cloud TPU 容量を予約するオプションの詳細については、Cloud TPU の予約についてをご覧ください。

始める前に

• このチュートリアルを使用するには、Hugging Face アクセス トークンが必要です。Hugging Face で無料アカウントに登録できます。アカウントを作成したら、アクセス トークンを生成します。

  1. [Welcome to Hugging Face] ページで、アカウントのアバターをクリックし、[アクセス トークン] を選択します。
  2. [アクセス トークン] ページで、[新しいトークンを作成] をクリックします。
  3. [読み取り] トークン タイプを選択し、トークンの名前を入力します。
  4. アクセス トークンが表示されます。トークンを安全な場所に保存します。

• Hugging Face ウェブサイトで、トレーニングするモデルのライセンス契約に同意します。このチュートリアルでは、モデル gemma3-4b を使用します。

このチュートリアルを完了するために必要な権限を取得するには、プロジェクトに対する次の IAM ロールを付与するよう管理者に依頼してください。

• TPU 管理者 （roles/tpu.admin）
• サービス アカウント ユーザー（roles/iam.serviceAccountUser）
• Compute 編集者 （roles/compute.editor）

ロールの付与については、プロジェクト、フォルダ、組織へのアクセス権の管理をご覧ください。

必要な権限は、カスタムロールや他の事前定義ロールから取得することもできます。

環境を設定する

次のスクリプトを実行して、環境変数を設定します。

export PROJECT="YOUR_PROJECT_ID"
export ZONE="YOUR_ZONE"
export RESERVATION="YOUR_RESERVATION_NAME"
export NAME="YOUR_TPU_NAME"
export NETWORK="default"

次のように置き換えます。

• YOUR_PROJECT_ID: 実際の Google Cloud プロジェクト ID
• YOUR_ZONE: 使用するゾーン
• YOUR_RESERVATION_NAME: 容量予約
• YOUR_TPU_NAME: Cloud TPU VM インスタンスの名前

次のコマンドを実行して Google Cloud で認証します。

gcloud auth login

Cloud TPU VM を作成する

容量予約にバインドされた 8 個の v6e TPU チップを含む Cloud TPU VM インスタンスを作成します。

gcloud compute instances create "${NAME}" \
    --zone="${ZONE}" \
    --project="${PROJECT}" \
    --network="${NETWORK}" \
    --tags="${NAME}" \
    --machine-type=ct6e-standard-8t \
    --image-project=ubuntu-os-accelerator-images \
    --image-family=ubuntu-accel-2204-amd64-tpu-v5e-v5p-v6e \
    --boot-disk-size=200GB \
    --maintenance-policy=TERMINATE \
    --instance-termination-action=DELETE \
    --provisioning-model=RESERVATION_BOUND \
    --reservation-affinity=specific \
    --reservation="${RESERVATION}"

VM インスタンスが作成されたら、SSH を使用して接続します。

gcloud compute ssh "${NAME}" --zone "${ZONE}" --project "${PROJECT}"

TPU VM インスタンス内で次の手順を完了します。

MaxText をインストールする

TPU VM インスタンス内のシステム パッケージを更新します。

sudo apt update && sudo apt upgrade -y --fix-missing

MaxText で必要な Python 3.12 とその仮想環境パッケージをインストールします。

sudo apt install -y build-essential cmake ninja-build

uv を使用して、Python パッケージのインストールを高速化します。

curl -LsSf https://astral.sh/uv/install.sh | sh
source "${HOME}/.local/bin/env"

maxtext_venv という名前の仮想環境を作成して有効にします。

uv python install 3.12
uv venv --python 3.12 --seed maxtext_venv
source maxtext_venv/bin/activate

MaxText と、トレーニング後のタスクに必要な依存関係をインストールします。

UV_TORCH_BACKEND=cpu uv pip install "maxtext[tpu-post-train]==0.2.2" --resolution=lowest

次のコマンドを実行して、残りの必要な依存関係をインストールします。

install_tpu_post_train_extra_deps

モデルを MaxText 形式に変換する

MaxText 形式でモデルをトレーニングするには、Hugging Face 形式から MaxText 形式に変換する必要があります。

Hugging Face アクセス トークン、使用するモデルの名前、MaxText 形式でモデルを保存するディレクトリなどの環境変数を指定します。

export HF_TOKEN="YOUR_HF_TOKEN"
export MODEL_NAME='gemma3-4b'
export MODEL_CHECKPOINT_DIRECTORY=/dev/shm/$MODEL_NAME/mt-format/
export USE_PATHWAYS=0 # Set to 1 for Pathways, 0 for McJAX
export LAZY_LOAD_TENSORS=False # True to use lazy load, False to use eager load.

YOUR_HF_TOKEN は、以前に作成した Hugging Face アクセス トークンに置き換えます。

モデルを Hugging Face 形式から MaxText 形式に変換するには、次のスクリプトを実行します。この変換には約 5 分かかります。

python3 -m maxtext.checkpoint_conversion.to_maxtext \
    model_name="${MODEL_NAME?}" \
    hf_access_token="${HF_TOKEN?}" \
    base_output_directory="${MODEL_CHECKPOINT_DIRECTORY?}" \
    scan_layers=True \
    use_multimodal=False \
    hardware=cpu \
    skip_jax_distributed_system=true \
    checkpoint_storage_use_zarr3=$((1 - USE_PATHWAYS)) \
    checkpoint_storage_use_ocdbt=$((1 - USE_PATHWAYS)) \
    --lazy_load_tensors="${LAZY_LOAD_TENSORS?}"

トレーニング ワークロードを開始する

変換プロセスが完了したら、SFT ワークロードを開始できます。

1. SFT ワークロードのトレーニング パラメータを構成します。

   # -- MaxText configuration --
   export BASE_OUTPUT_DIRECTORY=/dev/shm/$MODEL_NAME/post-train/
   RUN_NAME=$(date +%Y-%m-%d-%H-%M-%S)
   export RUN_NAME
   export STEPS=1000
   export PER_DEVICE_BATCH_SIZE=1
   
   # -- Dataset configuration --
   export DATASET_NAME="HuggingFaceH4/ultrachat_200k"
   export TRAIN_SPLIT="train_sft"
   export TRAIN_DATA_COLUMNS="['messages']"
   
   export MAXTEXT_CKPT_PATH=$MODEL_CHECKPOINT_DIRECTORY/0/items
   export TPU_ACCELERATOR_TYPE=v6e-8
   export TPU_WORKER_ID=0
   TPU_NAME=$(hostname)
   export TPU_NAME
   export TPU_SKIP_MDS_QUERY=1
   export TPU_WORKER_HOSTNAMES=localhost
   export TPU_TOPOLOGY=2x4
   export TPU_CHIPS_PER_HOST_BOUNDS=2,4,1
   export TPU_HOST_BOUNDS=1,1,1

2. トレーニング ジョブを開始します。v6e-8 VM インスタンスでは、これに約 10 分かかります。

   python3 -m maxtext.trainers.post_train.sft.train_sft \
       run_name="${RUN_NAME?}" \
       base_output_directory="${BASE_OUTPUT_DIRECTORY?}" \
       model_name="${MODEL_NAME?}" \
       load_parameters_path="${MAXTEXT_CKPT_PATH?}" \
       per_device_batch_size="${PER_DEVICE_BATCH_SIZE?}" \
       steps="${STEPS?}" \
       hf_path="${DATASET_NAME?}" \
       train_split="${TRAIN_SPLIT?}" \
       train_data_columns="${TRAIN_DATA_COLUMNS?}" \
       profiler=xplane

トレーニング済みモデルを Hugging Face 形式に変換する

トレーニング ワークロードが完了したら、モデルを Hugging Face 形式に戻します。

1. エクスポートのパスとトレーニング済みパラメータを設定します。

   export HF_EXPORT=/dev/shm/$MODEL_NAME/hf-trained/
   export POST_TRAIN_PATH=$BASE_OUTPUT_DIRECTORY/$RUN_NAME/checkpoints/$STEPS/model_params

2. Hugging Face 形式に変換し直します。

   python3 -m maxtext.checkpoint_conversion.to_huggingface \
       model_name="${MODEL_NAME}" \
       load_parameters_path="${POST_TRAIN_PATH}" \
       base_output_directory="${HF_EXPORT}" \
       scan_layers=True \
       use_multimodal=False \
       weight_dtype=bfloat16

変換が完了すると、/dev/shm/gemma3-4b/hf-trained に保存されているチューニング済みモデルを使用できるようになります。VM の再起動時に /dev/shm フォルダのコンテンツにアクセスできなくなるため、チューニングされたモデルを永続ストレージに移動するか、Hugging Face Hub にアップロードする必要があります。

クリーンアップ

追加料金が発生しないようにするには、このチュートリアルで作成したリソースを削除します。

TPU VM インスタンスを削除する

Cloud TPU VM インスタンスを終了して削除します。

# 1. Delete TPU instance
echo "Deleting TPU instance: ${NAME}..."
gcloud compute instances delete "${NAME}" \
    --zone="${ZONE}" \
    --project="${PROJECT}" \
    --quiet || true

# 2. Delete IAP firewall rule
echo "Deleting firewall rule: ${FIREWALL_RULE_NAME}..."
gcloud compute firewall-rules delete "${FIREWALL_RULE_NAME}" \
    --project="${PROJECT}" \
    --quiet || true

次のステップ

• Cloud TPU の詳細については、Cloud TPU の概要をご覧ください。
• v6e-8 TPU のアーキテクチャと構成の詳細については、TPU v6e をご覧ください。