如何将 tf.keras 与 bfloat16 一起使用答案

【问题标题】：How to use tf.keras with bfloat16如何将 tf.keras 与 bfloat16 一起使用
【发布时间】：2019-09-30 16:00:11
【问题描述】：

我正在尝试使用混合精度让 tf.keras 模型在 TPU 上运行。我想知道如何使用 bfloat16 混合精度构建 keras 模型。是这样的吗？

with tf.contrib.tpu.bfloat16_scope():
    inputs = tf.keras.layers.Input(shape=(2,), dtype=tf.bfloat16)
    logits = tf.keras.layers.Dense(2)(inputs)

logits = tf.cast(logits, tf.float32)
model = tf.keras.models.Model(inputs=inputs, outputs=logits)
model.compile(optimizer=tf.keras.optimizers.Adam(.001),
              loss='mean_absolute_error', metrics=[])

tpu_model = tf.contrib.tpu.keras_to_tpu_model(
        model,
        strategy=tf.contrib.tpu.TPUDistributionStrategy(
            tf.contrib.cluster_resolver.TPUClusterResolver(tpu='my_tpu_name')
        )
    )

【问题讨论】：

cloud.google.com/tpu/docs/bfloat16 你能不能请这个..
该链接未指定如何使用 tf.keras。所有示例都是针对普通张量流的。
你可以用 google colab 试试看。 github.com/tensorflow/tensorflow/issues/26759，截至目前 tf.keras 不支持 bfloat16。
好像说不支持保存hdf5格式的模型。似乎它仍然可以训练模型并以 TF SavedModel 格式保存。
@TensorflowSupport 您收到该错误是因为我为 TPU 输入了一个假名称。您需要在此处输入自己的 URL。

标签： python tensorflow keras google-compute-engine google-cloud-tpu

【解决方案1】：

您可以使用下面显示的代码使用bfloat16 Mixed Precision（float16 计算和float32 变量）构建Keras 模型。

tf.keras.mixed_precision.experimental.set_policy('infer_float32_vars')

model = tf.keras.Sequential([
    tf.keras.layers.Inputs(input_shape=(2, ), dtype=tf.float16),    
    tf.keras.layers.Lambda(lambda x: tf.cast(x, 'float32')),
    tf.keras.layers.Dense(10)])

model.compile(optimizer=tf.keras.optimizers.Adam(.001),
              loss='mean_absolute_error', metrics=[])

model.fit(.............)

构建并训练模型后，我们可以使用以下步骤保存模型：

tf.keras.experimental.export_saved_model(model, path_to_save_model)

我们可以使用以下代码加载保存的混合精度 Keras 模型：

new_model = tf.keras.experimental.load_from_saved_model(path_to_save_model)
new_model.summary()

【讨论】：