PyTorch - TPU 问题排查

本指南提供了问题排查信息，可帮助您识别和解决在 Cloud TPU 上训练 PyTorch 模型时可能遇到的问题。如需了解如何开始使用 Cloud TPU，请参阅 PyTorch 快速入门。

注意：如果您使用本指南无法解决问题，请参阅获取支持，以获取进一步帮助。

对训练性能缓慢进行问题排查

如果模型训练缓慢，请生成并查看指标报告。

如需自动分析指标报告并提供摘要，请使用 PT_XLA_DEBUG=1 运行工作负载。

如需详细了解可能导致模型训练缓慢的问题，请参阅已知的性能注意事项。

性能分析

如需深入分析工作负载性能以发现瓶颈，请查看以下资源：

• PyTorch/XLA 性能剖析
• 启用了性能剖析的 MNIST 训练脚本示例

更多调试工具

您可以指定环境变量来控制 PyTorch/XLA 软件栈的行为。

如果您遇到意外 bug 并需要帮助，请在 GitHub 上提交问题。

管理 XLA 张量

XLA 张量杂项描述了使用 XLA 张量和共享权重时应该和不应该执行的操作。