Tensorisuoritin
Tensorisuoritin (engl. Tensor Processing Unit, TPU) on Googlen kehittämä apusuoritin, joka on suunnattu koneoppimiseen.[1] Google ilmoitti suorittimesta vuonna 2016.[1][2] TPU on ASIC-piiri, joka on sovitettu TensorFlow-neuroverkkoohjelmiston suorittamiseen.[1] Toisen sukupolven TPU-piiristä kerrottiin vuonna 2017.[3] Kolmannen sukupolven TPU-piiristä kerrottiin toukokuussa 2018.[4]
Suorittimessa on karsittu laskennallista tarkkuutta, jonka johdosta operaatiot tarvitsevat vähemmän transistoreja.[1] Googlen mukaan TPU-piiri mahdollistaa kertaluokkaa paremman suorituskyvyn per watti kuin standardit ratkaisut.[2] Sovelluskohteeseen erikoistuneella piirillä on Googlen mukaan mahdollista saada suorituskyky, joka vastaa kolmen sukupolven hyppäystä yleiskäyttöisissä suorittimissa.[2]
Ensimmäisen sukupolven TPU-suoritin ei käytä liukulukuoperaatioita lainkaan vaan tekee sen 8-bittisillä kokonaisluvuilla.[3]
Käyttökohteet ja suorituskyky[muokkaa | muokkaa wikitekstiä]
Suorittimien käytöllä on mahdollista hakea Street View -tietokannan tekstejä nopeasti.[2]
Ensimmäisen sukupolven TPU-suorittimilla saavutettiin tarkoituksenmukaisilla kuormituksilla 15–30 kertaa nopeammin ja 30–80 pienemmällä virrankäytöllä kuin aiemmilla.[3] TPU-suorittimia käytetään muun muassa hakutuloksiin ja AlphaGo Go-ohjelmistoon.[3]
Aiemmilla ratkaisuilla on tarvittu viikkoja ja tuhansia dollareita kuvantunnistusmallin kouluttamiseen, jonka Google voi nyt tehdä muutamassa tunnissa ja alle 50 dollarilla joissakin tapauksissa.[4]
Vaikutus[muokkaa | muokkaa wikitekstiä]
Googlen julkaisun jälkeen tekoälyyn ja koneoppimiseen suunnattujen suorittimien kehitys on synnyttänyt useita uusia yrityksiä lyhyessä ajassa sekä useat olemassa olevat yritykset ovat aloittaneet omien ratkaisujensa kehittämisen.[5] Syynä uudelle kehitykselle mainitaan olemassa olevien vakiintuneiden yleiskäyttöisien arkkitehtuurien tarpeeton monimutkaisuus erikoistuneeseen tehtävään.[5] Vakiintuneet suoritinarkkitehtuurit ja myös grafiikkasuorittimet ovat tarpeettoman monimutkaisia kun on tarpeen havaita kaavoja tarkan luvun sijaan: yhden numeron tarkkuus on riittävä.[5] Kehitykseen liittyy läheisesti myös tarve laite-IO:n ja väyläteknologian tehokkuuden parantamiseen.[5]
Vastaavat kilpailevat piirit ovat usein suunnattuja tiettyyn sovelluskohteeseen kuten visuaaliseen tunnistamiseen.[5] Useat yritykset kehittävät vastaavia piirejä vain omaan käyttöönsä ja omaan tarkoitukseensa.[5]
Lähteet[muokkaa | muokkaa wikitekstiä]
- ↑ a b c d Google supercharges machine learning tasks with TPU custom chip cloud.google.com. 18.5.2016. Viitattu 10.2.2020. (englanniksi)
- ↑ a b c d Joe Osborne: Google's Tensor Processing Unit explained: this is what the future of computing looks like 22.8.2016. TechRadar. Viitattu 11.2.2020. (englanniksi)
- ↑ a b c d Peter Bright: Google brings 45 teraflops tensor flow processors to its compute cloud arstechnica.com. 17.5.2017. Viitattu 11.2.2020. (englanniksi)
- ↑ a b James Morra: Google Puts Out Third-Generation Tensor Processing Unit electronicdesign.com. 8.5.2018. Viitattu 11.2.2020. (englanniksi)
- ↑ a b c d e f Andy Patrizio: The AI revolution has spawned a new chips arms race 9.7.2018. Ars Technica. Viitattu 10.2.2020. (englanniksi)
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
