Тензорный процессор Google (англ. Google Tensor Processing Unit, Google TPU) — тензорный процессор, относящийся к классу нейронных процессоров, являющийся специализированной интегральной схемой, разработанной корпорацией Google и предназначенной для использования с библиотекой машинного обученияTensorFlow. Представлен в 2016 году на конференции Google I/O, при этом утверждалось, что устройства к тому моменту уже использовались внутри корпорации Google более года[1][2].
По сравнению с графическими процессорами, рассчитан на более высокий объём вычислений с пониженной точностью (например, всего 8-разрядную точность[3]) при более высокой производительности на ватт и отсутствии модуля для растризации и текстурных блоков[1][2].
Утверждается, что тензорные процессоры применялись в серии игр в го программы AlphaGo против Ли Седоля[2] и в следующих подобных поединках[4]. Также корпорация применила тензорные процессоры для обработки фотографий Google Street View на предмет извлечения текста, сообщалось, что весь объём обработан менее чем за пять дней. В Google Фото один тензорный процессор может обрабатывать более 100 миллионов фотографий в день. Также устройство применяется для самообучающейся системы RankBrain, обрабатывающей отклики поисковой системы Google.
Устройство реализовано как матричный умножитель для 8-разрядных чисел, управляемый CISC-инструкциями центрального процессора по шине PCIe 3.0. Изготавливается по технологии 28 нм, тактовая частота составляет 700 МГц и имеет тепловую расчётную мощность 28—40 Вт. Оснащается 28 Мбайт встроенной оперативной памяти и 4 Мбайт 32-разрядных аккумуляторов, накапливающих результаты в массивах из 8-битных множителей, организованных в матрицу размером 256×256. Инструкции устройства передают данные на узел или получают их из него, выполняют матричные умножения или свёртки[5]. В такт может производиться 65536 умножений на каждой матрице; в секунду — до 92 трлн[6].
Характеристики разных поколений тензорных процессоров
Примечания
- ↑ 12Google's Tensor Processing Unit explained: this is what the future of computing looks like. TechRadar (англ.). Архивировано 26 февраля 2022. Дата обращения: 24 мая 2017.
- ↑ 123Jouppi, Norm.Google supercharges machine learning tasks with TPU custom chip (англ.). Google Cloud Platform Blog. Google (18 мая 2016). Дата обращения: 22 января 2017. Архивировано 18 мая 2016 года.
- ↑Armasu, Lucian.Google's Big Chip Unveil For Machine Learning: Tensor Processing Unit With 10x Better Efficiency (Updated). Tom's Hardware (19 мая 2016). Дата обращения: 26 июня 2016.
- ↑The Future of Go Summit, Match One: Ke Jie & AlphaGo на YouTube, начиная с 6:03:10 (23 мая 2017)
- ↑Norman P. Jouppi et al.In-Datacentre Performance Analysis of a Tensor Processing Unit (англ.). Дата обращения: 24 мая 2017. Архивировано 3 июля 2017 года. (44th International Symposium on Computer Architecture (ISCA), 2017)
- ↑Ian Cutress (22 августа 2017). Hot Chips: Google TPU Performance Analysis Live Blog (3pm PT, 10pm UTC) (англ.). AnandTech. Архивировано 23 августа 2017. Дата обращения: 23 августа 2017.
- ↑Jouppi, Norman P.; Yoon, Doe Hyun; Ashcraft, Matthew; Gottscho, Mark (14 июня 2021). Ten lessons from three generations that shaped Google's TPUv4i(PDF). International Symposium on Computer Architecture. Valencia, Spain. doi:10.1109/ISCA52012.2021.00010. ISBN 978-1-4503-9086-6. Архивировано из оригинала(PDF) 9 июня 2021. Дата обращения: 12 марта 2023.
- ↑ 12System Architecture | Cloud TPU (англ.). Google Cloud. Дата обращения: 11 декабря 2022. Архивировано 11 декабря 2022 года.
- ↑Kennedy, Patrick (22 августа 2017). Case Study on the Google TPU and GDDR5 from Hot Chips 29. Serve The Home. Архивировано 23 ноября 2021. Дата обращения: 23 августа 2017.
- ↑Блок Google TPU второго поколения в задачах машинного обучения демонстрирует производительность выше, чем у GPU Nvidia GV100. iXBT.com (19 мая 2017). Дата обращения: 3 октября 2023. Архивировано 2 октября 2022 года.
- ↑Google представила TPU 3.0 — тензорные процессоры третьего поколения. Overclockers.ru (9 мая 2018). Дата обращения: 3 октября 2023. Архивировано 3 ноября 2023 года.
- ↑Stay tuned, more information on TPU v4 is coming soonАрхивная копия от 12 марта 2023 на Wayback Machine, retrieved 2020-08-06.
- ↑Google Cloud анонсировала новое поколение собственных ИИ-ускорителей TPU v5e. ServerNews.ru (30 августа 2023). Дата обращения: 3 октября 2023. Архивировано 20 сентября 2023 года.
- ↑Expanding our AI-optimized infrastructure portfolio: Introducing Cloud TPU v5e and announcing A3 GA (англ.). Google Cloud (29 августа 2023). Дата обращения: 3 октября 2023. Архивировано 20 сентября 2023 года.
- ↑Google представила Cloud TPU v5p — свой самый мощный ИИ-ускоритель. ServerNews.ru (7 декабря 2023). Дата обращения: 7 октября 2024.
- ↑Шестое поколение ускорителей Google TPU v6 готово к обучению ИИ-моделей следующего поколения. ServerNews.ru (16 мая 2024). Дата обращения: 7 октября 2024.
- ↑Google представила ИИ-ускоритель TPU v7 Ironwood, созданный специально для инференса «размышляющих» моделей. ServerNews.ru (9 апреля 2025). Дата обращения: 15 июня 2025.
- ↑Google объявила о доступности фирменных ИИ-ускорителей TPU Ironwood и кластеров на их основе. ServerNews.ru (7 ноября 2025). Дата обращения: 19 ноября 2025.
Ссылки
- Google поделилась подробностями истории создания ИИ-ускорителей TPU. Servernews.ru (28 августа 2024). Дата обращения: 7 октября 2024.
- Чип Google Tensor Processor упростит процесс машинного обучения и вернёт силу закону Мура. 3DNews. (21 мая 2016). Дата обращения: 17 ноября 2017.
- Подробности о тензорном сопроцессоре Google TPU. Servernews.ru (25 августа 2017). Дата обращения: 17 ноября 2017.
- Блок Google TPU второго поколения в задачах машинного обучения демонстрирует производительность выше, чем у GPU Nvidia GV100. iXBT.com (19 мая 2017). Дата обращения: 3 октября 2023.
