跳至主要内容
Google Cloud Documentation
技术领域
  • AI 和机器学习
  • 应用开发
  • 应用托管
  • 计算
  • 数据分析和流水线
  • 数据库
  • 分布式云、混合云和多云
  • 生成式 AI
  • 行业解决方案
  • 网络
  • 可观测性和监控
  • 安全
  • Storage
跨产品工具
  • 访问权限和资源管理
  • 费用和用量管理
  • 基础设施即代码
  • 迁移
  • SDK、语言、框架和工具
/
控制台
  • English
  • Deutsch
  • Español
  • Español – América Latina
  • Français
  • Indonesia
  • Italiano
  • Português
  • Português – Brasil
  • עברית
  • 中文 – 简体
  • 中文 – 繁體
  • 日本語
  • 한국어
登录
  • Cloud TPU
免费开始使用吧
概览 指南 参考文档 支持 资源
Google Cloud Documentation
  • 技术领域
    • 更多
    • 概览
    • 指南
    • 参考文档
    • 支持
    • 资源
  • 跨产品工具
    • 更多
  • 控制台
  • Discover
  • Cloud TPU 简介
  • TPU 架构
  • TPU 软件版本
  • TPU 版本
    • TPU7x (Ironwood)
    • TPU v6e
    • TPU v5p
    • TPU v5e
    • TPU v4
    • TPU v3
    • TPU v2
  • 区域和可用区
  • TPU 使用选项
  • 全容量模式概览
  • JAX AI 技术栈
  • 开始使用
  • 设置 Cloud TPU 环境
  • 预留 TPU
    • TPU 预留简介
    • 请求预留（日历模式），预留时间最长为 90 天
    • 请求一年或更长时间的未来预留
    • 共享预留
    • 请求“所有容量”模式预留
    • 使用预留
  • 在 Cloud TPU 虚拟机上运行 JAX
  • 在 Cloud TPU 虚拟机上运行 PyTorch
  • 在 Cloud TPU 切片上进行训练
  • 在 Cloud TPU 切片上运行 JAX
  • 在 Cloud TPU 切片上运行 PyTorch
  • 配置 TPU
  • 使用 CMEK 加密 TPU 虚拟机启动磁盘
  • 将 TPU 连接到共享 VPC 网络
  • 连接到没有公共 IP 地址的 TPU 虚拟机
  • 配置网络和访问权限
  • 使用跨项目服务账号
  • 存储选项
    • Cloud TPU 的存储方案
    • 将持久性块存储挂接到 TPU 虚拟机
    • 连接到 Cloud Storage 存储桶
    • 在 TPU 虚拟机上装载 Filestore 实例
  • 训练和推理
  • 使用 TPU7x 训练模型
  • 使用 v6e 训练模型
  • 使用 v5e 训练模型
  • TPU 推理
  • 多切片训练
  • 使用 Ray 扩缩机器学习工作负载
  • 在 Docker 容器中运行 TPU 应用
  • 使用图片数据集
    • 转换图片分类数据集，以便与 Cloud TPU 搭配使用
    • 下载、预处理和上传 ImageNet 数据集
    • 下载、预处理和上传 COCO 数据集
  • 管理 TPU
  • 管理 TPU 资源
  • 管理已排队的资源
  • 请求 TPU 灵活启动虚拟机
  • 管理 TPU Spot 虚拟机
  • 管理全容量模式 TPU
    • 查看“所有容量”模式 TPU 的拓扑和健康状况
    • 管理“所有容量”模式维护事件
    • 在全容量模式下报告和修复有故障的主机
  • 准备维护事件
  • 为推理工作负载调度 TPU 集合
  • 自动检查点
  • 查看维护通知
  • 手动启动主机维护
  • 抢占式 TPU
  • 优化性能
  • Cloud TPU 性能指南
  • 使用 bfloat16 提高模型的性能
  • 监控 TPU 并排查问题
  • 排查 TPU 虚拟机问题
  • 监控 TPU 虚拟机
  • 用于监控和日志记录的控制台
  • TPU 监控库
  • 使用 tpu-info CLI 进行监控
  • 排查 TensorFlow 模型问题
  • 排查 PyTorch 模型问题
  • 排查 JAX 模型问题
  • Cloud TPU 错误术语表
  • Cloud TPU 审核日志
  • 对 TPU 进行性能分析
  • 分析 TPU 虚拟机
  • 对多切片环境进行性能分析
  • 对 PyTorch XLA 工作负载进行性能分析
  • 教程
  • 使用 PyTorch 训练 ResNet
  • 在 v6e 上进行 MaxDiffusion 推理
  • 笔记本
  • 笔记本
  • AI 和机器学习
  • 应用开发
  • 应用托管
  • 计算
  • 数据分析和流水线
  • 数据库
  • 分布式云、混合云和多云
  • 生成式 AI
  • 行业解决方案
  • 网络
  • 可观测性和监控
  • 安全
  • Storage
  • 访问权限和资源管理
  • 费用和用量管理
  • 基础设施即代码
  • 迁移
  • SDK、语言、框架和工具
  • Home
  • Documentation
  • AI and ML
  • Cloud TPU
  • 指南
使用集合让一切井井有条 根据您的偏好保存内容并对其进行分类。

设置 Cloud TPU 环境

您需要先执行以下步骤，然后才能使用 Cloud TPU 资源在模型上训练或运行推理：

  • 设置您的 Google Cloud 项目
  • 设置您的环境以使用 Cloud TPU
  • 准备请求 Cloud TPU
注意：本文档重点介绍了帮助您快速开始使用 TPU 所需的最少步骤数。

设置 Google Cloud 项目