谷歌定制機器學(xué)習芯片強悍：比GPU加CPU至少快15倍

　　北京時(shí)間4月6日消息，谷歌開(kāi)發(fā)定制芯片，它可以提高機器學(xué)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(jiǎn)稱(chēng)TPU)，2016年5月，谷歌在I/O開(kāi)發(fā)者大會(huì )上首次展示了TPU，之后再也沒(méi)有提供更多細節，谷歌只是說(shuō)它正在用TPU優(yōu)化TensorFlow機器學(xué)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(xué)習任務(wù)時(shí)，速度比標準GPU/CPU組合產(chǎn)品平均快了15倍至30倍。標準GPU/CPU組合產(chǎn)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(wàn)億次/瓦特)提高了30-80倍。請注意，谷歌提供的數據是在生產(chǎn)過(guò)程中使用機器學(xué)習模型時(shí)獲得的，并不是最初創(chuàng )建模型時(shí)的數據。

　　谷歌還表示，大多數架構師優(yōu)化芯片是為了提高卷積神經(jīng)網(wǎng)絡(luò )的性能，不過(guò)卷積神經(jīng)網(wǎng)絡(luò )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(jīng)網(wǎng)絡(luò )。

　　2006年，谷歌開(kāi)始研究如何將GPU、FPGA、定制ASICS應用于數據中心。不過(guò)當時(shí)并沒(méi)有太多應用因為特殊硬件獲益，許多繁重的任務(wù)可以用數據中心多余的硬件完成。

　　到了2013年情況開(kāi)始改變，當時(shí)谷歌認為DNN將會(huì )變得流行起來(lái)，數據中心的計算需求將會(huì )翻倍，如果用傳統CPU計算成本相當高。正因如此，谷歌啟動(dòng)一個(gè)項目，用定制ASIC完成推算，采購現在GPU用于訓練。谷歌報告稱(chēng)，與GPU相比，將成本效益提高10倍就是它的目標。