Colab TPU 上的 RNN 运行速度与本地 CPU 版本相同

Question

我实现了 RNN 的本地版本和 RNN 的 Colab TPU 版本（代码如下）。当我执行 Colab TPU 版本（代码如下）时，训练速度非常慢，就像我在笔记本电脑的 CPU 上运行的本地版本一样。

Colab TPU 是否支持 RNN 网络？

我错过了什么吗？

import tensorflow as tf
import os
from tensorflow.keras import Sequential
from tensorflow.keras.layers import Dense, SimpleRNN

resolver = tf.distribute.cluster_resolver.TPUClusterResolver(tpu='grpc://' + os.environ['COLAB_TPU_ADDR'])
tf.config.experimental_connect_to_cluster(resolver)
tf.tpu.experimental.initialize_tpu_system(resolver)
print("All devices: ", tf.config.list_logical_devices('TPU'))

strategy = tf.distribute.TPUStrategy(resolver)

with strategy.scope():  
  model = Sequential()
  model.add(SimpleRNN(units=32, input_shape=(1,step), activation="relu"))
  model.add(Dense(16, activation="relu"))
  model.add(Dense(1))
  model.compile(loss='mean_squared_error', optimizer='rmsprop')

model.fit(X,y, epochs=50, batch_size=16, verbose=0)

Answer 1

this page 上的 ctrl-f 用于 RNN。如果您可以使 RNN 足够静态，它似乎应该可以工作。

一般来说，动态操作不适用于 TPU，因为它需要为每个新的训练示例重新编译模型图。