Тензорный процессор Google
Тензорный процессор Google | |
---|---|
![]() |
Тензорный процессор Google (англ. Google Tensor Processing Unit, Google TPU) — тензорный процессор, относящийся к классу нейронных процессоров, являющийся специализированной интегральной схемой, разработанной корпорацией Google и предназначенной для использования с библиотекой машинного обучения TensorFlow. Представлен в 2016 году на конференции Google I/O, при этом утверждалось, что устройства к тому моменту уже использовались внутри корпорации Google более года[1][2].
По сравнению с графическими процессорами, рассчитан на более высокий объём вычислений с пониженной точностью (например, всего 8-разрядную точность[3]) при более высокой производительности на ватт и отсутствии модуля для растризации и текстурных блоков[1][2].
Утверждается, что тензорные процессоры применялись в серии игр в го программы AlphaGo против Ли Седоля[2] и в следующих подобных поединках[4]. Также корпорация применила тензорные процессоры для обработки фотографий Google Street View на предмет извлечения текста, сообщалось, что весь объём обработан менее чем за пять дней. В Google Фото один тензорный процессор может обрабатывать более 100 миллионов фотографий в день. Также устройство применяется для самообучающейся системы RankBrain, обрабатывающей отклики поисковой системы Google.
Устройство реализовано как матричный умножитель для 8-разрядных чисел, управляемый CISC-инструкциями центрального процессора по шине PCIe 3.0. Изготавливается по технологии 28 нм, тактовая частота составляет 700 МГц и имеет тепловую расчётную мощность 28—40 Вт. Оснащается 28 Мбайт встроенной оперативной памяти и 4 Мбайт 32-разрядных аккумуляторов, накапливающих результаты в массивах из 8-битных множителей, организованных в матрицу размером 256×256. Инструкции устройства передают данные на узел или получают их из него, выполняют матричные умножения или свёртки[5]. В такт может производиться 65536 умножений на каждой матрице; в секунду — до 92 трлн[6].
Примечания
- ↑ 1,0 1,1 Google's Tensor Processing Unit explained: this is what the future of computing looks like (англ.). Архивировано 26 февраля 2022 года. Дата обращения 24 мая 2017.
- ↑ 2,0 2,1 2,2 Jouppi, Norm Google supercharges machine learning tasks with TPU custom chip (англ.). Google Cloud Platform Blog. Google (May 18, 2016). Дата обращения: 22 января 2017. Архивировано 18 мая 2016 года.
- ↑ Armasu, Lucian Google's Big Chip Unveil For Machine Learning: Tensor Processing Unit With 10x Better Efficiency (Updated) . Tom's Hardware (19 мая 2016). Дата обращения: 26 июня 2016.
- ↑ The Future of Go Summit, Match One: Ke Jie & AlphaGo на YouTube, начиная с 6:03:10 (23 мая 2017)
- ↑ Norman P. Jouppi et al. In-Datacentre Performance Analysis of a Tensor Processing Unit (англ.). Дата обращения: 24 мая 2017. Архивировано 3 июля 2017 года. (44th International Symposium on Computer Architecture (ISCA), 2017)
- ↑ Ian Cutress. Hot Chips: Google TPU Performance Analysis Live Blog (3pm PT, 10pm UTC) (англ.), AnandTech (August 22, 2017). Архивировано 23 августа 2017 года. Дата обращения 23 августа 2017.
Ссылки
- Чип Google Tensor Processor упростит процесс машинного обучения и вернёт силу закону Мура . 3DNews. (21 мая 2016). Дата обращения: 17 ноября 2017.
- Блок Google TPU второго поколения в задачах машинного обучения демонстрирует производительность выше, чем у GPU Nvidia GV100 . iXBT.com (19 мая 2017). Дата обращения: 21 ноября 2017.
- Подробности о тензорном сопроцессоре Google TPU . Servernews. (25 августа 2017). Дата обращения: 17 ноября 2017.
Для улучшения этой статьи желательно: |