问题标签 [google-cloud-tpu]

我发现 TPU 兼容的预训练检查点可用于对象检测，但不适用于图像分类。我对 Mobilenet_v2 特别感兴趣。如果这样的检查点可用而 Mobilenet_v2 的检查点不可用，我会切换到另一个网络。

我有一个 Keras 模型，但它对于我的本地 PC 来说太大了，我正在尝试迁移到谷歌云以便能够使用 TPU。

我在内存图像中看到的示例使用拟合函数来训练模型。

我有成千上万的图像，而且我想使用图像增强。在我的本地模型中，我使用ImageDataGeneratorand fit_generator。

如何使用 TPU 做到这一点？

我有几个想法，

1. 在虚拟机中挂载存储桶
2. 将图像复制到虚拟机的磁盘并ImageDataGenerator像我在本地机器上一样使用。

但我不确定，我觉得所有这些方法都是低效的。

有没有办法有效地做到这一点？

我有一些使用 feed_dict 编写到 tf.Session 和 tf.Graph 低级 API 的代码，因为我想在 TPU 上使用它，所以我试图将它重写为 tf.Estimator API

下面是当前版本的代码。（为简洁起见，删除了一些片段并标记为...）

我通读了大部分估计器和 tensorflow 文档，并能够使用估计器接口提出以下版本。

这是执行此操作的正确方法还是错误地理解了估算器概念？目前，该应用程序在 train 函数调用中崩溃。所以我想我有什么问题。

所以我知道如何定义 epochs、train steps、batch size 和这类东西，但我真的很难理解 TPU 术语，比如 train loops、iterations per loop 等等。我读了这个，但我仍然感到困惑。

另外，例如，我如何对每个循环的迭代时间进行基准测试。

任何解释都会对我有很大帮助。谢谢！

我仍然想知道如何在训练网络后预测图像的价值，但似乎还不支持。任何解决方法的想法（取自 mnist_tpu.py）？

除了 Stackoverflow - 我还能在其他任何地方获得使用 TPU 实现模型的支持吗？

我正在训练一个模型，当我在 Google Cloud Platform 控制台中打开 TPU 时，它会显示 CPU 利用率（我想是在 TPU 上）。它真的非常低（比如 0.07%），所以可能是 VM CPU？我想知道培训是否真的合适，或者 TPU 是否真的那么强大。

有没有其他方法可以检查 TPU 的使用情况？也许有一个ctpu命令？

我的 TensorBoard Profile 计算结果有点可疑。似乎我的主机空闲时间（不确定这是指哪个主机？）非常高，非常糟糕，但我的 TPU 空闲时间为 0%，非常好。另外，我还需要做什么来测量步长？我有点迷失在这里。

我想保存一个模型来对特定图片进行一些预测。这是我的服务功能：

这是我导出模型的地方：

但我收到以下错误：

现在这个错误我不明白，因为 Serving 的东西应该只创建一个占位符，以便我以后可以通过占位符放置一些图像以对保存的模型进行预测？

这是整个回溯：

mnist命名没关系，我只是使用了代码的结构，但没有重命名。

谢谢你的帮助！

Google colab 在运行时加速器中引入了 TPU。我找到了一个例子，How to use TPU in Official Tensorflow github。但该示例不适用于 google-colaboratory。它停留在以下行：

当我在 colab 上打印可用设备[]时，它会返回TPU 加速器。有人知道如何在 colab 上使用 TPU 吗？

我刚刚尝试在 Google Colab 中使用 TPU，我想看看 TPU 比 GPU 快多少。令人惊讶的是，我得到了相反的结果。

以下是NN。

性能结果：

我想知道为什么.... TPU的完整代码如下：