午夜神马影院-日本天堂在线-国产精品777-奇米影视亚洲春色-天堂8中文-日本在线观看一区二区-天天干天天操天天插-国产精品女同-色骚综合-四川一级毛毛片-99在线看-国产极品久久-波多野吉衣毛片-婷婷在线综合-欧美视频成人-亚洲影视一区二区三区-国产精品久久久久久久一区二区-国产精品9191-污污免费观看-日本三区在线

谷歌正在自研芯片以加速其機器學習算法，這已經不是什么秘密。早在2016年5月的I/O開發者大會上，谷歌就透露過這些芯片，稱之為TPU（Tensor Processing Units），但當時除了表明它是圍繞其TensorFlow機器學習框架而設計優化的產品外，并未公布有關于這一芯片的更多細節。如今，谷歌終于發布了一些TPU研究的成果。

其實，如果對這方面感興趣，在谷歌論文（Google's paper）中是可以找到關于TPU的一些運作細節的。盡管如此，谷歌自身的基準測試結果，依然聚集了整個行業的目光。這一結果為谷歌評估自己的芯片，以此為前提，谷歌的公布的情況為：TPU在執行谷歌常規的機器學習工作負載方面，相較于一個標準的CPU/GPU組合，Intel Haswell CPU搭配Nvidia K80 GPU，平均要高出15倍至30倍之多。更重要的是，TPU的每瓦特性能（TeraOps/瓦特）達到了一般CPU/GPU組合的30倍至80倍，如果采用了新的內存，這一數值還將更高。

值得注意的是，這些數字都是關于生產使用中的機器學習模型，而非新創模型。谷歌還指出，雖然很多構架師針對卷積神經網絡（例如，用于圖像識別的特定類型神經網絡）優化了這一芯片，但這些網絡只占其數據中心工作負載的5%左右，而大部分應用程序使用的是多層感知器（multi-layer perceptrons）。這也就意味著，TPU的應用場景并不單一，未來的前景十分廣闊。

谷歌表示，早在2006年，他們就已經開始研究如何在數據中心使用GPU、FPGA和自定義ASIC，這實際上也是TPU的本質。然而，當時并沒有那么多的應用程序真的能受益于這種特殊的硬件，因為當時的硬件足夠處理數據中心的負載。谷歌的文章中提到：“在2013年，我們預計深度神經網絡（DNN）將會大有所為，以至于我們數據中心的計算需求將增加一倍，這個需求如果采用傳統CPU來解決，將會異常昂貴。因此，我們開始了一個高度優先的項目，以快速生成用于推演的自定義ASIC（并購買了現成的GPU來進行訓練）。”谷歌的研究人員說，“這樣做的目的是將GPU的性能提高10倍以上。”

不過，谷歌很有可能并不會對外提供TPU。可盡管如此，還是會有很多人從谷歌的一些設計中學到些東西，得到些靈感，“設計出更出色的接班人”也并非不可能。或者至少，能給牙膏廠英特爾、馬甲廠英偉達帶來些壓力也是好的。