积分商城

最新搜索： microBUCK和microBRICK直流/直流稳压器解决方案 gp2y1010 绝对值编码器 keil HFSS RDA5807
您现在的位置是：首页 > 技术资料 > 人工智能芯片行业：TPU能取代GPU吗 谷歌云计算机器学习即服务脱颖而出的差异化
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

人工智能芯片行业：TPU能取代GPU吗 谷歌云计算机器学习即服务脱颖而出的差异化

更新时间：2020-12-20 08:23:25 大小：2M 上传用户：xzxbybd查看TA发布的资源 标签：人工智能tpugpu 下载积分：3分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

人工智能芯片行业：TPU能取代GPU吗？谷歌云计算机器学习即服务脱颖而出的差异化


1. 谷歌 TPU：以时间换吞吐量，软硬兼施，冲入云端 AI 芯片市场蛋糕越做越大，足以让拥有不同功能和定位的芯片和平共存，百家争鸣非零和 博弈。“通用性和功耗的平衡”——在深度学习上游训练端（主要用在云计算数据中心里）， GPU 是当仁不让的第一选择，ASIC 包括谷歌 TPU、寒武纪 MLU 等也如雨后春笋。而下游 推理端更接近终端应用，需求更加细分，GPU 主流芯片之外，包括 CPU/FPGA/ASIC 也会 在这个领域发挥各自的优势特点。 但我们需要强调，包括 TPU 在内的 ASIC 仍然面临通用性较弱，以及开发成本高企等局限。 TPU 虽然理论上支持所有深度学习开发框架，但目前只针对 TensorFlow 进行了深度优化。 另外 ASIC 芯片开发周期长和成本非常高，在开发调试过程中复杂的设计花费有时甚至会 超过亿美元，因此需要谷歌这样的计算需求部署量才能将成本分摊到大量使用中。同时 ASIC 开发周期长，也可能会出现硬件开发无法匹配软件更新换代而失效的情况。 ASIC（Application Specific Integrated Circuit，专用集成电路）：细分市场需求确定后，以 TPU 为代表的 ASIC 定制化芯片（或者说针对特定算法深度优化和加速的 DSA, Domain-Specific-Architecture），在确定性执行模型(deterministic execution model)的应用 需求中发挥作用。我们认为深度学习 ASIC 包括英特尔的 Nervana Engine、Wave Computing 的数据流处理单元、英伟达的 DLA、寒武纪的 NPU 等逐步面市，将依靠特定优化和效能 优势，未来在深度学习领域分一杯羹。

部分文件列表

文件名 大小
人工智能芯片行业：TPU能取代GPU吗？谷歌云计算机器学习即服务脱颖而出的差异化.pdf 2M

【关注视频号领20积分】   【关注公众号立即送20积分】

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号