# Google TPU

Tensor Processing Units (TPU'lar), Google'ın makine öğrenmesi hızlandırıcılarıdır ve Cloud TPU (v6e, v7x) olarak kullanılabilir. Diffusers, TPU'lar için PyTorch arka ucu olan [TorchTPU](https://github.com/google-pytorch/torch_tpu/) aracılığıyla bunlarda çalışır ve bu, minimal kod değişikliği gerektirir.

Üç çalışma modu mevcuttur:

| Mod | Sabit | Nasıl etkinleştirilir | Notlar |
|---|---|---|---|
| Katı aceleci (varsayılan) | `EagerMode.DEFER_NEVER` | `pipe.to("tpu")` | Birer birer dağıtılan işlemler, asenkron |
| Optimize edilmiş acele | `EagerMode.DEFER_AND_FUSE` | `TORCH_TPU_DEFER_AND_FUSE=1` | Operasyonlar ertelenir ve daha büyük grafiklere birleştirilir; katı eager'dan daha hızlıdır, derleme süresi daha uzundur |
| Derle | — | `torch.compile(module, backend="tpu")` | `TpuBackend` ile AOT derleme |

[TorchTPU kurulum kılavuzunu](https://github.com/google-pytorch/torch_tpu/) izleyin. Kurulum tamamlandıktan sonra `import torch` otomatik olarak yüklenir ve `"tpu"` cihazını kaydeder; bu nedenle tek gereken değişiklik `pipe.to("tpu")` komutunu eklemektir. `TORCH_DEVICE_BACKEND_AUTOLOAD=0` ile arka uç otomatik yüklemeyi devre dışı bıraktıysanız, yalnızca `import torch_tpu` satırını ekleyin.

## Eager mod

FLUX.1-schnell tek bir v6e çipine bir arada sığmadığı için, her modelin yalnızca çalıştığı sırada TPU'ya taşınması için [enable_model_cpu_offload()](/docs/diffusers/main/tr/api/pipelines/overview#diffusers.DiffusionPipeline.enable_model_cpu_offload) kullanın. `"tpu"` cihazını otomatik olarak algılar.

```python
import torch

from diffusers import FluxPipeline

pipe = FluxPipeline.from_pretrained("black-forest-labs/FLUX.1-schnell", dtype=torch.bfloat16)
pipe.enable_model_cpu_offload()

image = pipe(
    prompt="a golden retriever surfing a wave, photorealistic",
    height=1024,
    width=1024,
    num_inference_steps=4,
    guidance_scale=0.0,
).images[0]

image.save("output.png")
```

Bir model tek bir çip için çok büyükse veya birden fazla çipiniz varsa ve daha düşük gecikme süresi istiyorsanız, modelleri çipler arasında bölün (shard) olarak dağıtın. [Tensor parallelism](#tensor-parallelism) bölümüne bakın.

## Derlenmiş mod

TorchTPU, `"tpu"` adını `torch.compile` arka uç adı olarak kaydeder (altta `TpuBackend` kullanılır), bu nedenle bileşenler herhangi bir `torch.compile` hedefi gibi derlenir. İlk çağrı (ısınma) derleme nedeniyle yavaştır; aynı şekillerle yapılan sonraki çağrılar derlenmiş grafiği yeniden kullanır.

> [!IMPORTANT]
> TorchTPU **statik şekiller** gerektirir, bu nedenle `dynamic=False` parametresini iletin. Yeni bir `height` veya `width` değeri, o şekil için bir kez yeniden derlenir; daha önce görülmüş şekiller yeniden kullanılır. `num_inference_steps` değerini değiştirmek yeniden derlemeye neden olmaz.

Tüm pipeline tek bir çipe sığıyorsa, onu TPU'ya taşıyın ve tam dönüştürücüyü derleyin. Stable Diffusion 3.5 Medium (bf16'da ~15GB) tek bir v6e çipine sığar.

```python
import torch

from diffusers import StableDiffusion3Pipeline

pipe = StableDiffusion3Pipeline.from_pretrained("stabilityai/stable-diffusion-3.5-medium", dtype=torch.bfloat16)
pipe.to("tpu")
pipe.transformer.compile(backend="tpu", fullgraph=True, dynamic=False)

# Warmup — triggers static graph compilation.
pipe(prompt="warmup", height=1024, width=1024, num_inference_steps=40, guidance_scale=4.5)

# Later calls with the same shapes reuse the compiled graph.
image = pipe(
    prompt="a golden retriever surfing a wave, photorealistic",
    height=1024,
    width=1024,
    num_inference_steps=40,
    guidance_scale=4.5,
).images[0]

image.save("output.png")
```

Eğer pipeline tek bir çipe sığmıyorsa:

- Birden fazla çip kullanıldığında, bunun yerine [tensor parallelism](#tensor-parallelism) ile bölün. Her şey TPU üzerinde kalır ve `pipe.transformer.compile(...)`, bölünmüş transformer üzerinde aynı şekilde çalışır.
- [enable_model_cpu_offload()](/docs/diffusers/main/tr/api/pipelines/overview#diffusers.DiffusionPipeline.enable_model_cpu_offload) ile offload kancaları `torch.compile` tarafından izlenemez. Bunun yerine yalnızca transformer'ın tekrarlanan bloklarını derleyin: `pipe.transformer.compile_repeated_blocks(backend="tpu", fullgraph=True, dynamic=False)`.

## Tensor paralelliği

Tek bir çipe sığmayacak kadar büyük modelleri birden fazla çipe dağıtın. FLUX.2-dev'in metin kodlayıcısı (~48GB) ve dönüştürücüsü (~64GB) tek bir çipi aştığı için aşağıdaki örnek her ikisini de parçalara ayırır:

- [TensorParallelConfig](/docs/diffusers/main/tr/api/parallel#diffusers.TensorParallelConfig) ile transformer, [from_pretrained()](/docs/diffusers/main/tr/api/models/overview#diffusers.ModelMixin.from_pretrained) fonksiyonunun `parallel_config` argümanına geçirilir. Her rank, shard edilmiş her ağırlığın yalnızca kendi dilimini okuduğu için tam model asla maddi olarak oluşturulmaz. Genel TP ayrıntıları için (`_tp_plan`, colwise/rowwise) [Tensor parallelism](../training/distributed_inference#tensor-parallelism) kılavuzuna bakın.
- Transformers'ın kendi [tensor parallelism](https://huggingface.co/docs/transformers/perf_infer_gpu_multi)'i ile metin kodlayıcıyı, bir [DistributedConfig](https://huggingface.co/docs/transformers/main/en/expert_parallelism#transformers.DistributedConfig) ve aynı mesh'i geçirerek.

TPU'da, süreç grubunu `backend="tpu_dist"` ile başlatın ve mesh'i `DeviceMesh("tpu", ...)` ile oluşturun.

```python
import torch
import torch.distributed as dist
from torch.distributed.device_mesh import DeviceMesh
from transformers import DistributedConfig, Mistral3ForConditionalGeneration

from diffusers import Flux2Pipeline, Flux2Transformer2DModel, TensorParallelConfig

dist.init_process_group(backend="tpu_dist")
mesh = DeviceMesh("tpu", list(range(dist.get_world_size())))

repo_id = "black-forest-labs/FLUX.2-dev"
text_encoder = Mistral3ForConditionalGeneration.from_pretrained(
    repo_id,
    subfolder="text_encoder",
    dtype=torch.bfloat16,
    distributed_config=DistributedConfig(tp_plan="auto"),
    device_mesh=mesh,
)
transformer = Flux2Transformer2DModel.from_pretrained(
    repo_id, subfolder="transformer", dtype=torch.bfloat16, parallel_config=TensorParallelConfig(mesh=mesh)
)
pipe = Flux2Pipeline.from_pretrained(
    repo_id, text_encoder=text_encoder, transformer=transformer, dtype=torch.bfloat16
)
pipe.vae.to("tpu")

image = pipe(
    prompt="a golden retriever surfing a wave, photorealistic",
    num_inference_steps=28,
    generator=torch.Generator("cpu").manual_seed(0),
).images[0]
if dist.get_rank() == 0:
    image.save("output.png")
```

Her çip için bir süreç başlatın. `--nproc_per_node` parametresini, hostunuzdaki tüm TPU çiplerini kullanmak üzere ayarlayın.

```bash
eval $(python -m torch_tpu._internal.distributed.launchers.singlehost_wrapper | sed 's/^/export /')
torchrun --nproc_per_node=8 flux2_tp.py
```

> [!WARNING]
> Yukarıdaki başlatma komutu, TorchTPU iç modülü olan `torch_tpu._internal`'ı kullanır; bu bir kararlı API değildir ve gelecekteki bir TorchTPU sürümünde değişmesi beklenmektedir. Çok çipli işleri başlatmanın güncel yöntemi için [TorchTPU deposunu](https://github.com/google-pytorch/torch_tpu/) kontrol edin.