Questa pagina è stata tradotta dall'API Cloud Translation.

Inferenza MaxDiffusion su TPU v6e

Questo tutorial mostra come pubblicare i modelli MaxDiffusion su TPU v6e. In questo tutorial, genererai immagini utilizzando il modello Stable Diffusion XL.

Prima di iniziare

Preparati a eseguire il provisioning di una TPU v6e con 4 chip:

Segui la guida Configurare l'ambiente Cloud TPU per configurare un progetto Google Cloud , configurare Google Cloud CLI, abilitare l'API Cloud TPU e assicurarti di avere accesso all'utilizzo delle Cloud TPU.

Autenticati con Google Cloud e configura il progetto e la zona predefiniti per Google Cloud CLI.

gcloud auth login
gcloud config set project PROJECT_ID
gcloud config set compute/zone ZONE

Garantisci la capacità

Quando è tutto pronto per proteggere la capacità TPU, consulta Quote di Cloud TPU per saperne di più sulle quote di Cloud TPU. Se hai altre domande sulla protezione della capacità, contatta il team di vendita o di gestione account Cloud TPU.

Esegui il provisioning dell'ambiente Cloud TPU

Puoi eseguire il provisioning delle VM TPU con GKE, con GKE e XPK, o come risorse in coda.

Prerequisiti

Verifica che il tuo progetto disponga di una quota TPUS_PER_TPU_FAMILY sufficiente, che specifica il numero massimo di chip a cui puoi accedere all'interno del tuo progettoGoogle Cloud .
Verifica che il tuo progetto disponga di una quota TPU sufficiente per:
- Quota VM TPU
- Quota di indirizzi IP
- Quota Hyperdisk bilanciato
Autorizzazioni di progetto dell'utente
- Se utilizzi GKE con XPK, consulta Autorizzazioni di Cloud Console per l'utente o il service account per le autorizzazioni necessarie per eseguire XPK.

Esegui il provisioning di una TPU v6e

   gcloud alpha compute tpus queued-resources create QUEUED_RESOURCE_ID \
        --node-id TPU_NAME \
        --project PROJECT_ID \
        --zone ZONE \
        --accelerator-type v6e-4 \
        --runtime-version v2-alpha-tpuv6e \
        --service-account SERVICE_ACCOUNT

Utilizza i comandi list o describe per eseguire query sullo stato della risorsa in coda.

   gcloud alpha compute tpus queued-resources describe QUEUED_RESOURCE_ID  \
      --project=PROJECT_ID --zone=ZONE

Per un elenco completo degli stati delle richieste di risorse in coda, consulta la documentazione relativa alle risorse in coda.

Connettiti alla TPU utilizzando SSH

   gcloud compute tpus tpu-vm ssh TPU_NAME

Crea un ambiente Conda

Crea una directory per Miniconda:
```
mkdir -p ~/miniconda3
```

Scarica lo script del programma di installazione di Miniconda:

wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -O ~/miniconda3/miniconda.sh

Installa Miniconda:

bash ~/miniconda3/miniconda.sh -b -u -p ~/miniconda3

Rimuovi lo script del programma di installazione di Miniconda:
```
rm -rf ~/miniconda3/miniconda.sh
```

Aggiungi Miniconda alla variabile PATH:

export PATH="$HOME/miniconda3/bin:$PATH"

Ricarica ~/.bashrc per applicare le modifiche alla variabile PATH:
```
source ~/.bashrc
```
Crea un nuovo ambiente Conda:
```
conda create -n tpu python=3.10
```
Attiva l'ambiente Conda:
```
source activate tpu
```

Configurare MaxDiffusion

Clona il repository GitHub di MaxDiffusion e vai alla directory MaxDiffusion:
```
git clone https://github.com/google/maxdiffusion.git && cd maxdiffusion
```
Passa al branch mlperf-4.1:
```
git checkout mlperf4.1
```
Installa MaxDiffusion:
```
pip install -e .
```
Installa le dipendenze:
```
pip install -r requirements.txt
```

Installa JAX:

pip install jax[tpu]==0.4.34 jaxlib==0.4.34 ml-dtypes==0.2.0 -i https://us-python.pkg.dev/ml-oss-artifacts-published/jax/simple/ -f https://storage.googleapis.com/jax-releases/libtpu_releases.html

Installa dipendenze aggiuntive:

 pip install huggingface_hub==0.25 absl-py flax tensorboardX google-cloud-storage torch tensorflow transformers

Genera immagini

Imposta le variabili di ambiente per configurare il runtime TPU:

LIBTPU_INIT_ARGS="--xla_tpu_rwb_fusion=false --xla_tpu_dot_dot_fusion_duplicated=true --xla_tpu_scoped_vmem_limit_kib=65536"

Genera immagini utilizzando il prompt e le configurazioni definite in src/maxdiffusion/configs/base_xl.yml:
```
python -m src.maxdiffusion.generate_sdxl src/maxdiffusion/configs/base_xl.yml run_name="my_run"
```
Una volta generate le immagini, assicurati di pulire le risorse TPU.

Esegui la pulizia

Elimina la TPU:

gcloud compute tpus queued-resources delete QUEUED_RESOURCE_ID \
    --project PROJECT_ID \
    --zone ZONE \
    --force \
    --async