而這次TF2.1新版推出之後，TPU使用有了一個很大幅度的改版，在Colab上使用TPU已經變得非常的容易與簡單，這邊就讓Jerry老師來跟大家娓娓道來。
首先不要忘記在Edit -> Notebook settings 要把硬體調整成TPU，如下圖：
然後就會獲得TPU資源，如下圖：
首先幾個在Colab上要跑TPU的API要了解一下：
1.tf.distribute.cluster_resolver.TPUClusterResolver()
這是負責偵測TPU，可以透過該指令了解Google TPU集群的狀況。
2.tf.config.experimental_connect_to_cluster(tpu)
這是負責連結Google雲端的TPU環境
3.tf.tpu.experimental.initialize_tpu_system(tpu)
這是負責初始化TPU的裝置
所以前置作業如下：
必須設定TensorFlow2.x 以及設定tpu的變數。
接下來要使用TPU，目前模型有固定的寫法，必須寫成函式，舉例如下：
資料的部分也是要寫成函式，這邊範例是採用mnist，所以舉例如下：
最後是訓練模型的程式碼，有個重點是
4.tf.distribute.experimental.TPUStrategy
是呼叫前面TPU分配策略的指令，所以要搭配在程式碼當中
5.strategy.scope()
搭配這段程式碼，可以把模型與要計算的優化器、衡量標準放到運算引擎上
如下：
目前實測的結果，如果以mnist資料為例，
TPU：36秒
GPU(P100)：90秒
CPU：291秒
使用心得是，程式碼不用改動太多，在TensorFlow 2.x的架構下，可以很快的進行訓練，程式碼也可以很快速地調整，以後大家就可以用前所未有的速度訓練模型囉！
當然如果您很想更近一步了解Google Cloud Platform上面的TPU費用，可以參考下面連結
相關程式碼請參考
