Ir para o conteúdo principal
Áreas de tecnologia
close
IA e ML
Desenvolvimento de aplicativos
Hospedagem de aplicativos
Computação
Pipelines e análises de dados
Bancos de dados
Distribuído, híbrido e multicloud
IA generativa
Soluções por setor
Rede
Observabilidade e monitoramento
Segurança
Storage
Ferramentas de vários produtos
close
Gerenciamento de recursos e acesso
Gerenciamento de custos e uso
Infraestrutura como código
Migração
SDK, linguagens, frameworks e ferramentas
/
Console
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
Fazer login
Cloud TPU
Comece gratuitamente
Guias
Referência
Suporte
Recursos
Áreas de tecnologia
Mais
Guias
Referência
Suporte
Recursos
Ferramentas de vários produtos
Mais
Console
Descoberta
Introdução à Cloud TPU
Arquitetura da TPU
Versões do software da TPU
Versões da TPU
TPU v6e
TPU v5p
TPU v5e
TPU v4
TPU v3
TPU v2
Regiões e zonas
Opções de consumo da TPU
Começar
Todos os guias de iniciação
Configurar o ambiente da Cloud TPU
Reservar TPUs
Sobre reservas de TPUs
Solicitar uma reserva por até 90 dias (no modo de calendário)
Solicitar uma reserva adiantada por um ano ou mais
Compartilhar uma reserva
Consumir uma reserva
Executar o JAX na VM da Cloud TPU
Executar o PyTorch na VM da Cloud TPU
Treinar em frações da Cloud TPU
Executar o JAX nas frações da Cloud TPU
Executar o PyTorch nas frações da Cloud TPU
Configurar TPUs
Criptografar um disco de inicialização de VM da TPU com uma CMEK
Conectar-se a uma TPU a uma rede VPC compartilhada
Conectar-se a uma VM da TPU sem um endereço IP público
Configurar rede e acesso
Usar uma conta de serviço entre projetos
Opções de armazenamento
Opções de armazenamento da Cloud TPU
Anexar armazenamento em blocos durável a uma VM de TPU
Conectar-se a buckets do Cloud Storage
Montar uma instância do Filestore em uma VM da TPU
Treinamento e inferência
Treinar um modelo usando a v6e
Treinar um modelo usando a v5e
Inferência de TPUs
Treinamento com várias frações
Escalonamento de cargas de trabalho de ML que usam o Ray
Executar aplicativos de TPU em um contêiner do Docker
Sobre TPUs no GKE
Trabalhar com conjuntos de dados de imagens
Converter um conjunto de dados de classificação de imagem para uso com a Cloud TPU
Baixar, pré-processar e fazer upload do conjunto de dados do ImageNet
Baixar, pré-processar e fazer upload do conjunto de dados COCO
Gerenciar TPUs
Gerenciar recursos de TPUs
Gerenciar recursos na fila
Solicitar VMs de início flexível da TPU
Gerenciar VMs spot da TPU
Preparação para eventos de manutenção
Programar coleções de TPUs para cargas de trabalho de inferência
Autocheckpoint
Ver notificações de manutenção
Iniciar manualmente a manutenção do host
TPUs preemptivas
Otimizar o desempenho
Guia de desempenho da Cloud TPU
Melhorar o desempenho do modelo com bfloat16
Monitorar e resolver problemas de TPUs
Resolver problemas de VMs da TPU
Monitorar VMs da TPU
Painéis de monitoramento e geração de registros
Biblioteca de monitoramento de TPUs
Resolver problemas com modelos do TensorFlow
Resolver problemas com modelos do PyTorch
Resolver problemas com modelos JAX
Glossário de erros da Cloud TPU
Registros de auditoria da Cloud TPU
Criar perfis de TPUs
Criar perfis de VMs da TPU
Criar perfis de ambientes com várias frações
Criar perfil de cargas de trabalho do PyTorch XLA
Tutoriais
Todos os tutoriais
Treinar o ResNet com o PyTorch
Inferência do MaxDiffusion na v6e
Disponibilizar um LLM com o vLLM (GKE)
Notebooks
Notebooks
IA e ML
Desenvolvimento de aplicativos
Hospedagem de aplicativos
Computação
Pipelines e análises de dados
Bancos de dados
Distribuído, híbrido e multicloud
IA generativa
Soluções por setor
Rede
Observabilidade e monitoramento
Segurança
Storage
Gerenciamento de recursos e acesso
Gerenciamento de custos e uso
Infraestrutura como código
Migração
SDK, linguagens, frameworks e ferramentas
Home
Documentation
AI and ML
Cloud TPU
Guias
Envie comentários