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。 分享 facebook 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。※相關連結》強化深度學習 Google揭曉第二代TPU、TensorFlow Research Cloud服務Volta顯示架構、導入全新Tensor核心 NVIDIA揭曉全新人工智慧利器Tesla V100觀點／Tesla V100加速卡加入Tensor核心設計，或許同時向Google TPU做「回應」 分享 facebook 分享 facebook 分享 facebook
6032C093ABEE47A1
6032C093ABEE47A1
文章標籤
全站熱搜
留言列表
