第二代TPU带来更大运算效能、加入深度学习但应用领域仍有侷限



第二代TPU带来更大运算效能、加入深度学习但应用领域仍有侷限

对于标榜可发挥高达 180TFLOPS 的 第二代 TPU ,Google 说明此项处理器依然是针对开放学习框架 TensorFlow 加速为主,因此无法像 NVIDIA 提出 Tesla V100 等 GPU 加速模式可额外支援 Caffe、Cognitive Toolkit 等学习框架。

 
第二代TPU带来更大运算效能、加入深度学习但应用领域仍有侷限

相比 第一代 TPU 仅能针对逻辑推演作加速,Google 此次宣布推出的第二代 TPU 不但大幅提昇运算效能,更增加对应深度学习应用加速设计,配合越来越多人使用的 TensorFlow 学习框架,将使 TPU 应用领域变得更加多元,甚至直接挑战 NVIDIA 以 GPU 加速的深度学习应用模式。

不过,在 Google I/O 2017 期间进一步向 Google 询问,确认第二代 TPU 设计依然是以针对开放学习框架 TensorFlow 加速为主,本身并不像 NVIDIA Tesla V100 等藉由 GPU 加速模式可额外支援 Caffe、Cognitive Toolkit 等学习框架,因此在实际布署应用弹性可能相对受限。只是从 TPU 大幅去除非必要元件,仅针对深度学习、逻辑推演加速功能优化,预期仍将使 NVIDIA 面临不少竞争压力。

但从 NVIDIA 为使加速学习效率提昇,在新款加速卡 Tesla V100 架构设计额外加上对应 TensorFlow 学习框架的 Tensor 核心,藉此让深度学习效率可进一步提昇,显然也是呼应越来越多藉由 TensorFlow 学习框架产生的深度学习应用需求,同时更有向 Google 说明 GPU 加速仍有较广泛应用的叫阵意味。

而对于开发者需求部分,Google 方面则认为无论是什幺样的加速学习模式都有其优点,例如聚焦在 TensorFlow 学习框架的深度学习,或许第二代 TPU 能带来更好加速学习效率,但若是针对 TensorFlow 以外学习框架应用,NVIDIA 的 Tesla V100 显然就有较高使用弹性,因此主要还是看本身设计内容挑选较合适的学习模式。同时在越来越多的选择之下,对于开发者所能使用资源、带动市场发展动能都能带来好处。



上一篇: 下一篇:



  • 热门文章
编辑推荐