| Google Tensor-processor | |
|---|---|
| Tensor Processing Unit 3.0 |
Google Tensor Processing Unit ( Google TPU ) er en tensorprocessor, der tilhører klassen af neurale processorer , som er et applikationsspecifikt integreret kredsløb udviklet af Google og beregnet til brug med TensorFlow maskinlæringsbiblioteket . Introduceret i 2016 på Google I/O- konferencen blev det hævdet, at enhederne allerede var blevet brugt internt af Google i mere end et år [1] [2] .
Sammenlignet med GPU'er er den designet til en større mængde beregning med reduceret præcision (for eksempel kun 8-bit præcision [3] ) med højere ydeevne pr. watt og fraværet af et modul til rasterisering og teksturenheder [ 1] [2 ] .
Det hævdes, at tensor-processorer blev brugt i en række spil i AlphaGo - programmet mod Lee Sedol [2] og i de følgende lignende kampe [4] . Selskabet brugte også tensor-processorer til at behandle Google Street View -billeder til tekstudtrækning, det blev rapporteret, at hele volumen blev behandlet på mindre end fem dage. Hos Google Fotos kan en enkelt tensor-processor behandle over 100 millioner billeder om dagen. Enheden bruges også til det selvlærende system RankBrain , som behandler svar fra Googles søgemaskine .
Enheden er implementeret som en matrixmultiplikator for 8-bit tal, styret af CPU CISC instruktioner via PCIe 3.0 bussen . Den er fremstillet ved hjælp af 28 nm teknologi, clockfrekvensen er 700 MHz og har en termisk designeffekt på 28-40 W. Udstyret med 28 MB indbygget RAM og 4 MB 32-bit akkumulatorer , der akkumulerer resultater i arrays af 8-bit multiplikatorer organiseret i en 256×256 matrix. Enhedsinstruktioner transmitterer data til eller modtager data fra en node, udfører matrixmultiplikationer eller foldninger [5] . 65536 multiplikationer på hver matrix kan udføres pr. cyklus; sekund - op til 92 billioner [6] .