谷歌最强芯片升级，二代TPU是深度学习的未来？

在这一点上，Dean也承认：“与第一代TPU芯片整数计算的方法不合，第二代芯片可以或许进行浮点运算。所以在芯片进行进修练习的过程中，只须要采取固定的模型即可，不须要更改算法。工程师可以采取雷同的浮点运算方法，这在很大年夜程度高低降了工作量。”

深度进修计算中的芯片安排都不是零和博弈。实际世界的深度进修收集须要体系的 GPU 与其他 GPU 或诸如 Google TPU 之类的 ASIC 通信。GPU 是幻想的工作情况，具有深度进修所需的灵活性。然则，当完全专用于某个软件库或平台时，则 ASIC 是最幻想的。

除了英伟达和英特尔之外，谷歌将其定制的硬件产品推向市场，对于企业来说未尝不是一件功德。因为TPU来说对于市场来说照样相当边沿化的技巧。当第二代TPU产品应用到谷歌云平台之后，谷歌将会向大年夜量的用户推送培训，这将会更好的推动这一技巧的成长。

谷歌专门开辟的应用于深度神经收集的软件引擎。谷歌表示，按照摩尔定律的增长速度，如今的TPU的计算才能相当于将来七年才能达到的计算程度，每瓦能为机械进修供给更高的量级指令，这意味它可以用更少的晶体进行每一个操作，也就是在一秒内进行更多的操作。并且谷歌将其与Deep learning体系平台TensorFlow进行了深度绑定，可以获得更好的支撑，做更强的生态，包含搜刮、无人驾驶汽车、智能语音等100多个须要应用机械进修技巧的项目。

TPU 是深度进修的将来吗？

谷歌的 TPU 显然相符如许的请求。TPU 的卓越机能使得 TensorFlow 和 TPU 很可能是一路进级的。固然谷歌官方已经多次明白表示，他们不会对外发卖 TPU。不过，应用 Google 云办事做机械进修解决筹划的第三方可以得益于 TPU 卓越机能的优势。

智能芯片市场格局一变再变，谷歌 TPU 的出现让面向神经收集/深度进修特定范畴加快的芯片趋势加倍明显。高端 AI 应用须要强大年夜的芯片做支撑。软硬件缺了哪一块中国的智能生态也成长不起来。中国处理器学术和工程都在赓续进步，我们等待中国芯早日涌如今世界舞台与国际同业竞技。

英文原文：https://www. nextplatform.com/2017/0 5/17/first-depth-look-googles-new-second-generation-tpu/

【编辑推荐】

白话AI：看懂深度进修真的那么难吗？初中数学，就用10分钟
深度进修中批归一化的陷阱
AWS前次建深度进修主机（Windows版）
TensorFlow实现基于深度进修的图像补全
深度进修的可贵：神经统??深，优化问题越难

【义务编辑：林师授 TEL：（010）68476606】

3/3 首页上一页 1 2 3

　　推荐阅读

　　深度学习的难点：神经网络越深，优化问题越难

深度进修的核心问题就是一个异常难的优化问题。所以在神经收集惹人后的几十年间，深度神经收集的优化问题的艰苦性是阻碍它们成为主流的一个重要身分。并导致了它们在20世纪90年代到21世纪>>>详细阅读

本文标题：谷歌最强芯片升级，二代TPU是深度学习的未来？

地址：http://www.17bianji.com/lsqh/35381.html

1/2 1