|
谷歌開發定制芯片，它可以提高機器學習算法的運算速度，這不是什么秘密。谷歌管這些處理器叫作Tensor Processing Units（簡稱TPU），2016年5月，谷歌在I/O開發者大會上首次展示了TPU，之后再也沒有提供更多細節，谷歌只是說它正在用TPU優化TensorFlow機器學習框架。今天，谷歌公布了更多內容。 根據谷歌自己制定的基準，TPU執行谷歌常規機器學習任務時，速度比標準GPU/CPU組合產品平均快了15倍至30倍。標準GPU/CPU組合產品將英特爾Haswell處理器與Nvidia K80 GPU安裝在一起。數據中心極為重視能耗，使用TPU后每瓦特性能（也就是TeraOps/Watt，每萬億次/瓦特）提高了30-80倍。請注意，谷歌提供的數據是在生產過程中使用機器學習模型時獲得的，并不是最初創建模型時的數據。 谷歌還表示，大多數架構師優化芯片是為了提高卷積神經網絡的性能，不過卷積神經網絡只占了數據中心負載的5%，大部分應用使用的是多層感知器神經網絡。 2006年，谷歌開始研究如何將GPU、FPGA、定制ASICS應用于數據中心。不過當時并沒有太多應用因為特殊硬件獲益，許多繁重的任務可以用數據中心多余的硬件完成。 到了2013年情況開始改變，當時谷歌認為DNN將會變得流行起來，數據中心的計算需求將會翻倍，如果用傳統CPU計算成本相當高。正因如此，谷歌啟動一個項目，用定制ASIC完成推算，采購現在GPU用于訓練。谷歌報告稱，與GPU相比，將成本效益提高10倍就是它的目標。 --新浪科技 |
