Menyajikan Stable Diffusion XL (SDXL) menggunakan TPU di GKE dengan MaxDiffusion

Tutorial ini menunjukkan cara menayangkan model pembuatan gambar SDXL menggunakan Unit Pemrosesan Tensor (TPU) di Google Kubernetes Engine (GKE) dengan MaxDiffusion. Dalam tutorial ini, Anda akan mendownload model dari Hugging Face dan men-deploy-nya di cluster Autopilot atau Standard menggunakan container yang menjalankan MaxDiffusion.

Panduan ini adalah titik awal yang baik jika Anda memerlukan kontrol terperinci, penyesuaian, skalabilitas, ketahanan, portabilitas, dan efektivitas biaya Kubernetes terkelola saat men-deploy dan menayangkan beban kerja AI/ML Anda. Jika Anda memerlukan platform AI terkelola terpadu untuk membangun dan menayangkan model ML dengan cepat dan hemat biaya, sebaiknya coba solusi deployment Vertex AI kami.

Latar belakang

Dengan menayangkan SDXL menggunakan TPU di GKE dengan MaxDiffusion, Anda dapat membangun solusi penayangan yang tangguh dan siap produksi dengan semua manfaat Kubernetes terkelola, termasuk efisiensi biaya, skalabilitas, dan ketersediaan yang lebih tinggi. Bagian ini menjelaskan teknologi utama yang digunakan dalam tutorial ini.

Stable Diffusion XL (SDXL)

Stable Diffusion XL (SDXL) adalah jenis model difusi laten (LDM) yang didukung oleh MaxDiffusion untuk inferensi. Untuk AI generatif, Anda dapat menggunakan LDM untuk membuat gambar berkualitas tinggi dari deskripsi teks. LDM berguna untuk aplikasi seperti penelusuran gambar dan pemberian teks gambar.

SDXL mendukung inferensi host tunggal atau multi-host dengan anotasi sharding. Hal ini memungkinkan SDXL dilatih dan dijalankan di beberapa mesin, yang dapat meningkatkan efisiensi.

Untuk mempelajari lebih lanjut, lihat repositori Model Generatif oleh Stability AI dan artikel SDXL.

TPU

TPU adalah sirkuit terintegrasi khusus aplikasi (ASIC) yang dikembangkan khusus oleh Google dan digunakan untuk mempercepat model machine learning dan AI yang dibuat menggunakan framework seperti TensorFlow, PyTorch, dan JAX.

Sebelum menggunakan TPU di GKE, sebaiknya selesaikan jalur pembelajaran berikut:

  1. Pelajari ketersediaan versi TPU saat ini dengan arsitektur sistem Cloud TPU.
  2. Pelajari TPU di GKE.

Tutorial ini membahas cara menyajikan model SDXL. GKE men-deploy model pada node TPU v5e host tunggal dengan topologi TPU yang dikonfigurasi berdasarkan persyaratan model untuk menyajikan perintah dengan latensi rendah. Dalam panduan ini, model menggunakan chip TPU v5e dengan topologi 1x1.

MaxDiffusion

MaxDiffusion adalah kumpulan implementasi referensi, yang ditulis dalam Python dan Jax, dari berbagai model difusi laten yang berjalan di perangkat XLA, termasuk TPU dan GPU. MaxDiffusion adalah titik awal untuk project Difusi untuk riset dan produksi.

Untuk mempelajari lebih lanjut, lihat repositori MaxDiffusion.

Tujuan

Tutorial ini ditujukan untuk pelanggan AI generatif yang menggunakan JAX, pengguna SDXL baru atau lama, dan semua Engineer ML, engineer MLOps (DevOps), atau administrator platform yang tertarik menggunakan kemampuan orkestrasi container Kubernetes untuk menayangkan LLM.

Tutorial ini membahas langkah-langkah berikut:

  1. Buat cluster GKE Autopilot atau Standard dengan topologi TPU yang direkomendasikan, berdasarkan karakteristik model.
  2. Buat image container inferensi SDXL.
  3. Deploy server inferensi SDXL di GKE.
  4. Menyajikan dan berinteraksi dengan model melalui aplikasi web.

Arsitektur

Bagian ini menjelaskan arsitektur GKE yang digunakan dalam tutorial ini. Arsitektur ini terdiri dari cluster GKE Autopilot atau Standard yang menyediakan TPU dan menghosting komponen MaxDiffusion. GKE menggunakan komponen ini untuk men-deploy dan menyajikan model.

Diagram berikut menunjukkan komponen arsitektur ini:

Contoh arsitektur untuk menayangkan MaxDiffusion dengan TPU v5e di GKE.

Arsitektur ini mencakup komponen berikut:

  • Cluster regional GKE Autopilot atau Standard.
  • Satu node pool slice TPU host tunggal yang menghosting model SDXL pada deployment MaxDiffusion.
  • Komponen Service dengan load balancer jenis ClusterIP. Layanan ini mendistribusikan traffic masuk ke semua replika MaxDiffusion HTTP.
  • Server WebApp HTTP dengan Layanan LoadBalancer eksternal yang mendistribusikan traffic masuk dan mengalihkan traffic penayangan model ke Layanan ClusterIP.

Sebelum memulai

  • Sign in to your Google Cloud account. If you're new to Google Cloud, create an account to evaluate how our products perform in real-world scenarios. New customers also get $300 in free credits to run, test, and deploy workloads.

  • In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

  • Verify that billing is enabled for your Google Cloud project.

  • Enable the required API.

    Enable the API

  • In the Google Cloud console, on the project selector page, select or create a Google Cloud project.

    Go to project selector

  • Verify that billing is enabled for your Google Cloud project.

  • Enable the required API.

    Enable the API

    •

  • Make sure that you have the following role or roles on the project: roles/container.admin, roles/iam.serviceAccountAdmin, roles/artifactregistry.admin

    Check for the roles

    1. In the Google Cloud console, go to the IAM page.

      Go to IAM
    2. Select the project.

    3. In the Principal column, find all rows that identify you or a group that you're included in. To learn which groups you're included in, contact your administrator.

    4. For all rows that specify or include you, check the Role column to see whether the list of roles includes the required roles.

    Grant the roles

    1. In the Google Cloud console, go to the IAM page.

      Buka IAM
    2. Pilih project.
    3. Klik Berikan akses.

    4. Di kolom Akun utama baru, masukkan ID pengguna Anda. Biasanya berupa alamat email untuk Akun Google.

    5. Di daftar Pilih peran, pilih peran.
    6. Untuk memberikan peran tambahan, klik Tambahkan peran lain, lalu tambahkan setiap peran tambahan.
    7. Klik Simpan.
      • Pastikan Anda memiliki kuota yang cukup untuk chip TPU v5e PodSlice Lite. Dalam tutorial ini, Anda akan menggunakan instance sesuai permintaan.

      Menyiapkan lingkungan

      Dalam tutorial ini, Anda akan menggunakan Cloud Shell untuk mengelola resource yang dihosting di Google Cloud. Cloud Shell telah diinstal dengan software yang akan Anda perlukan untuk tutorial ini, termasuk kubectl dan gcloud CLI.

      Untuk menyiapkan lingkungan Anda dengan Cloud Shell, ikuti langkah-langkah berikut:

      1. Di konsol Google Cloud , luncurkan sesi Cloud Shell dengan mengklik Ikon aktivasi Cloud Shell Activate Cloud Shell di konsolGoogle Cloud . Tindakan ini akan meluncurkan sesi di panel bawah konsol Google Cloud .

      2. Tetapkan variabel lingkungan default:

        gcloud config set project PROJECT_ID
gcloud config set billing/quota_project PROJECT_ID
export PROJECT_ID=$(gcloud config get project)
export CLUSTER_NAME=CLUSTER_NAME
export REGION=REGION_NAME
export ZONE=ZONE

        Ganti nilai berikut:

        • PROJECT_ID: Google Cloud project ID Anda.
        • CLUSTER_NAME: nama cluster GKE Anda.
        • REGION_NAME: region tempat cluster GKE, bucket Cloud Storage, dan node TPU Anda berada. Wilayah ini berisi zona tempat jenis mesin TPU v5e tersedia (misalnya, us-west1, us-west4, us-central1, us-east1, us-east5, atau europe-west4).
        • (Khusus cluster Standard) ZONE: zona tempat resource TPU tersedia (misalnya, us-west4-a). Untuk cluster Autopilot, Anda tidak perlu menentukan zona, hanya region.

      3. Clone repositori contoh dan buka direktori tutorial:

        git clone https://github.com/GoogleCloudPlatform/kubernetes-engine-samples
cd kubernetes-engine-samples/ai-ml/maxdiffusion-tpu
WORK_DIR=$(pwd)
gcloud artifacts repositories create gke-llm --repository-format=docker --location=$REGION
gcloud auth configure-docker $REGION-docker.pkg.dev

      Membuat dan mengonfigurasi resource Google Cloud

      Ikuti petunjuk berikut untuk membuat resource yang diperlukan.

      Membuat cluster GKE

      Anda dapat menayangkan SDXL di TPU dalam cluster GKE Autopilot atau Standard. Sebaiknya gunakan cluster Autopilot untuk mendapatkan pengalaman Kubernetes yang terkelola sepenuhnya. Untuk memilih mode operasi GKE yang paling sesuai untuk workload Anda, lihat Memilih mode operasi GKE.

      Autopilot

      1. Jalankan perintah berikut di Cloud Shell:

        gcloud container clusters create-auto ${CLUSTER_NAME} \
  --project=${PROJECT_ID} \
  --location=${REGION} \
  --release-channel=rapid \
  --cluster-version=1.29

        GKE membuat cluster Autopilot dengan node CPU dan TPU seperti yang diminta oleh workload yang di-deploy.

      2. Konfigurasi kubectl untuk berkomunikasi dengan cluster Anda:

          gcloud container clusters get-credentials ${CLUSTER_NAME} --location=${REGION}

      Standar

      1. Buat cluster Standar GKE regional yang menggunakan Workload Identity Federation untuk GKE.

        gcloud container clusters create ${CLUSTER_NAME} \
    --enable-ip-alias \
    --machine-type=n2-standard-4 \
    --num-nodes=2 \
    --workload-pool=${PROJECT_ID}.svc.id.goog \
    --location=${REGION}

        Pembuatan cluster mungkin memerlukan waktu beberapa menit.

      2. Jalankan perintah berikut untuk membuat node pool untuk cluster Anda:

        gcloud container node-pools create maxdiffusion-tpu-nodepool \
  --cluster=${CLUSTER_NAME} \
  --machine-type=ct5lp-hightpu-1t \
  --num-nodes=1 \
  --location=${REGION} \
  --node-locations=${ZONE} \
  --spot

        GKE membuat node pool TPU v5e dengan topologi 1x1 dan satu node.

        Untuk membuat node pool dengan topologi yang berbeda, pelajari cara Merencanakan konfigurasi TPU. Pastikan Anda memperbarui nilai contoh dalam tutorial ini, seperti cloud.google.com/gke-tpu-topology dan google.com/tpu.

      3. Konfigurasi kubectl untuk berkomunikasi dengan cluster Anda:

          gcloud container clusters get-credentials ${CLUSTER_NAME} --location=${REGION}

      Membangun container inferensi SDXL

      Ikuti petunjuk ini untuk membuat image container untuk server inferensi SDXL.

      1. Buka manifes build/server/cloudbuild.yaml:

        steps:
- name: 'gcr.io/cloud-builders/docker'
  args: [ 'build', '-t', '$LOCATION-docker.pkg.dev/$PROJECT_ID/gke-llm/max-diffusion:latest', '.' ]
images:
- '$LOCATION-docker.pkg.dev/$PROJECT_ID/gke-llm/max-diffusion:latest'

      2. Jalankan build dan buat image container inferensi.

        cd $WORK_DIR/build/server
gcloud builds submit . --region=$REGION

        Output-nya berisi jalur image container.

      Men-deploy server inferensi SDXL

      Di bagian ini, Anda akan men-deploy server inferensi SDXL. Untuk men-deploy server, tutorial ini menggunakan Deployment Kubernetes. Deployment adalah objek Kubernetes API yang memungkinkan Anda menjalankan beberapa replika Pod yang didistribusikan di antara node dalam cluster.

      1. Pelajari manifes serve_sdxl_v5e.yaml.

        apiVersion: apps/v1
kind: Deployment
metadata:
  name: stable-diffusion-deployment
spec:
  selector:
    matchLabels:
      app: max-diffusion-server
  replicas: 1  # number of nodes in node-pool
  template:
    metadata:
      labels:
        app: max-diffusion-server
    spec:
      nodeSelector:
        cloud.google.com/gke-tpu-topology: 1x1 #  target topology
        cloud.google.com/gke-tpu-accelerator: tpu-v5-lite-podslice
        #cloud.google.com/gke-spot: "true"
      volumes:
      - name: dshm
        emptyDir:
              medium: Memory
      containers:
      - name: serve-stable-diffusion
        image: REGION-docker.pkg.dev/PROJECT_ID/gke-llm/max-diffusion:latest
        env:
        - name: MODEL_NAME
          value: 'stable_diffusion'
        ports:
        - containerPort: 8000
        resources:
          requests:
            google.com/tpu: 1  # TPU chip request
          limits:
            google.com/tpu: 1  # TPU chip request
        volumeMounts:
            - mountPath: /dev/shm
              name: dshm

---
apiVersion: v1
kind: Service
metadata:
  name: max-diffusion-server
  labels:
    app: max-diffusion-server
spec:
  type: ClusterIP
  ports:
    - port: 8000
      targetPort: 8000
      name: http-max-diffusion-server
      protocol: TCP
  selector:
    app: max-diffusion-server

      2. Perbarui project ID di manifes.

        cd $WORK_DIR
perl -pi -e 's|PROJECT_ID|PROJECT_ID|g' serve_sdxl_v5e.yaml
perl -pi -e 's|REGION|REGION_NAME|g' serve_sdxl_v5e.yaml

      3. Terapkan manifes:

        kubectl apply -f serve_sdxl_v5e.yaml

        Outputnya mirip dengan hal berikut ini:

        deployment.apps/max-diffusion-server created

      4. Verifikasi status model:

        kubectl get deploy --watch

        Outputnya mirip dengan hal berikut ini:

        NAME                          READY   UP-TO-DATE   AVAILABLE   AGE
stable-diffusion-deployment   1/1     1            1           8m21s

      5. Ambil alamat ClusterIP:

        kubectl get service max-diffusion-server

        Output berisi kolom ClusterIP. Catat nilai CLUSTER-IP.

      6. Memvalidasi Deployment:

         export ClusterIP=CLUSTER_IP
 kubectl run curl --image=curlimages/curl \
    -it --rm --restart=Never \
    -- "$ClusterIP:8000"

        Ganti CLUSTER_IP dengan nilai CLUSTER-IP yang Anda catat sebelumnya. Outputnya mirip dengan hal berikut ini:

        {"message":"Hello world! From FastAPI running on Uvicorn with Gunicorn."}
pod "curl" deleted

      7. Lihat log dari Deployment:

        kubectl logs -l app=max-diffusion-server

        Setelah Deployment selesai, output-nya akan mirip dengan berikut ini:

        2024-06-12 15:45:45,459 [INFO] __main__: replicate params:
2024-06-12 15:45:46,175 [INFO] __main__: start initialized compiling
2024-06-12 15:45:46,175 [INFO] __main__: Compiling ...
2024-06-12 15:45:46,175 [INFO] __main__: aot compiling:
2024-06-12 15:45:46,176 [INFO] __main__: tokenize prompts:2024-06-12 15:48:49,093 [INFO] __main__: Compiled in 182.91802048683167
INFO:     Started server process [1]
INFO:     Waiting for application startup.
INFO:     Application startup complete.

      Men-deploy klien aplikasi web

      Di bagian ini, Anda akan men-deploy klien aplikasi web untuk menayangkan model SDXL.

      1. Pelajari manifes build/webapp/cloudbuild.yaml.

        steps:
- name: 'gcr.io/cloud-builders/docker'
  args: [ 'build', '-t', '$LOCATION-docker.pkg.dev/$PROJECT_ID/gke-llm/max-diffusion-web:latest', '.' ]
images:
- '$LOCATION-docker.pkg.dev/$PROJECT_ID/gke-llm/max-diffusion-web:latest'

      2. Jalankan build dan buat image container klien di direktori build/webapp.

        cd $WORK_DIR/build/webapp
gcloud builds submit . --region=$REGION

        Output-nya berisi jalur image container.

      3. Buka manifes serve_sdxl_client.yaml:

        apiVersion: apps/v1
kind: Deployment
metadata:
  name: max-diffusion-client
spec:
  selector:
    matchLabels:
      app: max-diffusion-client
  template:
    metadata:
      labels:
        app: max-diffusion-client
    spec:
      containers:
      - name: webclient
        image: REGION-docker.pkg.dev/PROJECT_ID/gke-llm/max-diffusion-web:latest
        env:
          - name: SERVER_URL
            value: "http://ClusterIP:8000"
        resources:
          requests:
            memory: "128Mi"
            cpu: "250m"
          limits:
            memory: "256Mi"
            cpu: "500m"
        ports:
        - containerPort: 5000
---
apiVersion: v1
kind: Service
metadata:
  name: max-diffusion-client-service
spec:
  type: LoadBalancer
  selector:
    app: max-diffusion-client
  ports:
  - port: 8080
    targetPort: 5000

      4. Edit project ID dalam manifes:

        cd $WORK_DIR
perl -pi -e 's|PROJECT_ID|PROJECT_ID|g' serve_sdxl_client.yaml
perl -pi -e 's|ClusterIP|CLUSTER_IP|g' serve_sdxl_client.yaml
perl -pi -e 's|REGION|REGION_NAME|g' serve_sdxl_client.yaml

      5. Terapkan manifes:

        kubectl apply -f serve_sdxl_client.yaml

      6. Ambil alamat IP LoadBalancer:

        kubectl get service max-diffusion-client-service

        Output berisi kolom LoadBalancer. Catat nilai EXTERNAL-IP.

      Berinteraksi dengan model menggunakan halaman web

      1. Akses URL berikut dari browser web:

        http://EXTERNAL_IP:8080

        Ganti EXTERNAL_IP dengan nilai EXTERNAL_IP yang Anda catat sebelumnya.

      2. Berinteraksi dengan SDXL menggunakan antarmuka chat. Tambahkan perintah, lalu klik Kirim. Contoh:

        Create a detailed image of a fictional historical site, capturing its unique architecture and cultural significance

      Outputnya adalah gambar buatan model yang mirip dengan contoh berikut:

      Gambar yang dihasilkan SDXL

      Pembersihan

      Agar tidak perlu membayar biaya pada akun Google Cloud Anda untuk resource yang digunakan dalam tutorial ini, hapus project yang berisi resource tersebut, atau simpan project dan hapus setiap resource.

      Menghapus project

      1. In the Google Cloud console, go to the Manage resources page.

        Go to Manage resources

      2. In the project list, select the project that you want to delete, and then click Delete.
      3. In the dialog, type the project ID, and then click Shut down to delete the project.

      Menghapus resource satu per satu

      Pertahankan project dan hapus resource individual, seperti yang dijelaskan di bagian berikut. Jalankan perintah berikut dan ikuti perintahnya:

      gcloud container clusters delete ${CLUSTER_NAME} --location=${REGION}

      Langkah berikutnya