展覽 市場動態 硬體 網路 處理器

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。

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》

楊又肇 (Mash Yang)
楊又肇 (Mash),大學主修電機、輔修資管,畢業後只幫人修過電腦,卻沒有當過一天工程師,誤打誤撞進入聯合新聞網擔任科技頻道主編多年,報導領域廣泛,從晶片到手機、筆電,或從AI到新創產業軟硬兼吃。目前仍是科技新聞業流浪漢身分,除mashdigi.com網站創辦人兼主筆之外,同時也為UDN.com、癮科技、Inside、數位時代、ePrice、Stuff等媒體供稿或撰寫特稿內容,喜歡研究別人不懂的黑科技、把玩各種3C產品,是果粉也是G粉。

發表迴響