||
我们都知道,谷歌去年发布了TensorFlow深度学习开源库,最近,谷歌宣布研发了用于深度学习的芯片Tensor Processing Unite。
据知情人士说,TPU已经在谷歌的数据中心运行了一年时间,由于谷歌严守TPU的秘密,所以TPU一直不为外界所知。这位知情人士说,从目前的运行效果来看,TPU每瓦能耗的学习效果和效率都比传统的CPU、GPU高出一个数量级,达到了摩尔定律预言的七年后的CPU的运行效果。这位知情人士不无煽情的说,请忘掉CPU、GPU、FPEG吧。
如此看来,在深度学习方面,TPU可以兼具桌面机与嵌入式设备的功能,也就是低能耗高速度。
据报道,TPU之所以具有良好的机器学习能力,是因为这种芯片具有比较宽的容错性,这就意味着,达到与通用芯片相同的学习效果,TPU不需要通用芯片那样多的晶体管,不需要通用芯片上那样多的程序操作步骤,也就是说,相同数量的晶体管,在TPU上能做更多的学习工作。
但是,前边知情人士的煽情并非谷歌的本意,谷歌研发TPU并非要取代CPU或者FPGE,谷歌认为,TPU是介于CPU和ASIC (application-specific integrated circuit:应用集成电路)之间的芯片。ASIC用于专门的任务,比如去除噪声的电路,播放视频的电路,但是ASIC明显的短板是不可更改任务。通用CPU可以通过编程来适应各种任务,但是效率能耗比就不如ASIC。一如前边所言,在机器学习方面,TPU同时具备了CPU与ADIC的特点,可编程,高效率,低能耗.
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-11-12 04:35
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社