| Google Tensor-processor | |
|---|---|
| Tensor Processing Unit 3.0 |
Google Tensor Processing Unit ( Google TPU ) är en tensorprocessor som tillhör klassen neurala processorer , som är en applikationsspecifik integrerad krets utvecklad av Google och avsedd för användning med TensorFlows maskininlärningsbibliotek . Introducerades 2016 på Google I/O -konferensen , hävdades det att enheterna redan hade använts internt av Google i mer än ett år [1] [2] .
Jämfört med GPU:er är den designad för en större mängd beräkningar med reducerad precision (till exempel endast 8-bitars precision [3] ) med högre prestanda per watt och frånvaron av en modul för rastrering och texturenheter [ 1] [2 ] .
Det påstås att tensorprocessorer användes i en serie spel i AlphaGo-programmet mot Lee Sedol [ 2] och i följande liknande slagsmål [4] . Företaget använde också tensorprocessorer för att bearbeta Google Street View -foton för textextraktion, det rapporterades att hela volymen bearbetades på mindre än fem dagar. På Google Photos kan en enda tensorprocessor bearbeta över 100 miljoner foton per dag. Enheten används också för det självlärande systemet RankBrain , som bearbetar svar från Googles sökmotor .
Enheten är implementerad som en matrismultiplikator för 8-bitars tal, styrd av CPU CISC - instruktioner via PCIe 3.0 -bussen . Den är tillverkad med 28 nm-teknik, klockfrekvensen är 700 MHz och har en termisk designeffekt på 28-40 W. Utrustad med 28 MB inbyggt RAM och 4 MB 32-bitars ackumulatorer som ackumulerar resultat i arrayer av 8-bitars multiplikatorer organiserade i en 256×256 matris. Enhetsinstruktioner överför data till eller tar emot data från en nod, utför matrismultiplikationer eller faltningar [5] . 65536 multiplikationer på varje matris kan utföras per cykel; per sekund - upp till 92 biljoner [6] .