第二代TPU帶來更大運算效能、加入深度學習 但應用領域仍有侷限

對於標榜可發揮高達180TFLOPS的第二代TPU (Tensor Processing Unit),Google說明此項處理器依然是針對開放學習框架TensorFlow加速為主,因此無法像NVIDIA提出Tesla V100等GPU加速模式可額外支援Caffe、Cognitive Toolkit等學習框架。
評論
評論

原文刊登於 Mashdigi,INSIDE 獲授權轉載。

對於標榜可發揮高達 180TFLOPS 的 第二代 TPU (Tensor Processing Unit),Google 說明此項處理器依然是針對開放學習框架 TensorFlow 加速為主,因此無法像 NVIDIA 提出 Tesla V100 等 GPU 加速模式可額外支援 Caffe、Cognitive Toolkit 等學習框架。

 
%image_alt%
Photo credit: Mashdigi

相比 第一代 TPU 僅能針對邏輯推演作加速,Google 此次宣布推出的第二代 TPU 不但大幅提昇運算效能,更增加對應深度學習應用加速設計,配合越來越多人使用的 TensorFlow 學習框架,將使 TPU 應用領域變得更加多元,甚至直接挑戰 NVIDIA 以 GPU 加速的深度學習應用模式。

不過,在 Google I/O 2017 期間進一步向 Google 詢問,確認第二代 TPU 設計依然是以針對開放學習框架 TensorFlow 加速為主,本身並不像 NVIDIA Tesla V100 等藉由 GPU 加速模式可額外支援 Caffe、Cognitive Toolkit 等學習框架,因此在實際佈署應用彈性可能相對受限。只是從 TPU 大幅去除非必要元件,僅針對深度學習、邏輯推演加速功能優化,預期仍將使 NVIDIA 面臨不少競爭壓力。

但從 NVIDIA 為使加速學習效率提昇,在新款加速卡 Tesla V100 架構設計額外加上對應 TensorFlow 學習框架的 Tensor 核心,藉此讓深度學習效率可進一步提昇,顯然也是呼應越來越多藉由 TensorFlow 學習框架產生的深度學習應用需求,同時更有向 Google 說明 GPU 加速仍有較廣泛應用的叫陣意味。

而對於開發者需求部分,Google 方面則認為無論是什麼樣的加速學習模式都有其優點,例如聚焦在 TensorFlow 學習框架的深度學習,或許第二代 TPU 能帶來更好加速學習效率,但若是針對 TensorFlow 以外學習框架應用,NVIDIA 的 Tesla V100 顯然就有較高使用彈性,因此主要還是看本身設計內容挑選較合適的學習模式。同時在越來越多的選擇之下,對於開發者所能使用資源、帶動市場發展動能都能帶來好處。


精選熱門好工作

賣家關係維護專員

樂購蝦皮股份有限公司
臺北市.台灣

獎勵 NT$15,000

Campaign Associate 資深線上活動策劃專員

樂購蝦皮股份有限公司
臺北市.台灣

獎勵 NT$15,000

產品專員/經理 (PM)

強勝有限公司
臺北市.台灣

獎勵 NT$15,000

評論