TPU 训练

TPU (Tensor Processing Unit) 是一种专门设计用于高效训练模型的硬件。Accelerate 支持 TPU 训练，但有一些需要注意的事项，主要是图编译。本教程简要讨论了编译，更多详细信息，请参阅 使用 Accelerate 在 TPUs 上训练 指南。

编译

TPU 会创建一个包含训练步骤中所有操作的图，例如前向传播、反向传播和优化器步骤。这就是为什么第一个训练步骤总是需要一段时间，因为构建和编译这个图需要时间。但一旦编译完成，图会被缓存，所有后续步骤都会快得多。

关键是要避免再次编译代码，否则训练会非常慢。这意味着所有操作必须完全相同：

• 批次中的所有张量必须具有相同的长度（例如，NLP 任务中不能使用动态填充）
• 代码必须是静态的（例如，不能使用根据输入长度不同的循环层，如 LSTM）

权重绑定

常见的语言模型设计是将嵌入层和 softmax 层的权重绑定在一起。然而，将模型移动到 TPU（无论是你自己移动还是通过 [~Accelerator.prepare] 方法传递）会破坏权重绑定，你需要重新绑定权重。

要在脚本中为 TPU 添加特殊行为（如权重绑定），首先将 [~Accelerator.distributed_type] 设置为 DistributedType.TPU。然后你可以使用 [~transformers.PreTrainedModel.tie_weights] 方法来绑定权重。

if accelerator.distributed_type == DistributedType.TPU:
    model.tie_weights()