- 1
- 2
- 3
- 4
- 5
谷歌TPU技术演进与应用.docx
资料介绍
谷歌TPU：张量处理单元的技术解析与应用全景
一、TPU的诞生背景与发展历程
1.1 为什么谷歌要自研TPU
在人工智能特别是深度学习快速爆发的2010年代初期，谷歌已经在搜索、语音识别、图像识别等多个核心业务中大规模部署深度学习模型。当时谷歌主要依靠CPU和GPU来运行模型推理和训练，但随着模型参数规模和数据量的指数级增长，通用计算硬件逐渐暴露出瓶颈：GPU原本为图形渲染设计，通用计算的冗余架构会带来额外的功耗和成本开销，同时在深度学习推理场景下，GPU的并行利用率并不高，难以匹配谷歌海量业务请求的低延迟需求。此外，谷歌数据中心的硬件采购成本和功耗成本逐年攀升，自研专用AI硬件成为了降本增效、掌握技术主动权的必然选择，张量处理单元（Tensor Processing Unit，TPU）就此诞生。
1.2 TPU的迭代演进
从2015年TPu v1投入使用到今天，谷歌已经推出了五代TPU产品，每一代都针对深度学习需求做了针对性升级：
1. TPU v1（2015年）：专为推理场景设计，主要用于谷歌街景、谷歌照片、AlphaGo下棋等场景，采用28nm工艺，功耗40W，提供高达92TOPS（万亿次操作每秒）的整型计算性能，脉动阵列架构在这一代就已经成为TPU的核心设计。
2. TPU v2（2017年）：首次支持训练+推理双场景，引入了高带宽内存（HBM），单芯片性能达到180 teraFLOPS（万亿次浮点运算每秒），支持组成最多8芯片的TPU Pod集群，总性能达到1.15 petaFLOPS。
部分文件列表
| 文件名 | 大小 |
| 谷歌TPU技术演进与应用.docx | 19K |
最新上传
- 打赏
- 30日榜单
-
21ic小能手 打赏10.00元 2天前
-
21ic小能手 打赏8.00元 2天前
-
21ic小能手 打赏5.00元 2天前
-
21ic小能手 打赏5.00元 2天前
-
21ic小能手 打赏5.00元 2天前
-
aetek 打赏1.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic下载 打赏310.00元 3天前
用户：江岚
-
21ic下载 打赏310.00元 3天前
用户：mulanhk
-
21ic下载 打赏320.00元 3天前
用户：jh03551
-
21ic下载 打赏220.00元 3天前
用户：jh0355
-
21ic下载 打赏210.00元 3天前
用户：潇潇江南
-
21ic下载 打赏210.00元 3天前
用户：小猫做电路
-
21ic下载 打赏60.00元 3天前
用户：gsy幸运
-
21ic下载 打赏60.00元 3天前
用户：zhengdai
-
21ic下载 打赏60.00元 3天前
用户：lanmukk
-
21ic下载 打赏60.00元 3天前
用户：烟雨
-
21ic下载 打赏20.00元 3天前
用户：w993263495
-
21ic下载 打赏30.00元 3天前
用户：sun2152
-
21ic下载 打赏20.00元 3天前
用户：w178191520
-
21ic下载 打赏20.00元 3天前
用户：liqiang9090
-
21ic下载 打赏20.00元 3天前
用户：xuzhen1
-
21ic下载 打赏35.00元 3天前
用户：有理想666
-
21ic下载 打赏15.00元 3天前
用户：w1966891335
-
21ic下载 打赏15.00元 3天前
用户：x15580286248
-
21ic下载 打赏25.00元 3天前
用户：qiufeng0299
-
21ic下载 打赏15.00元 3天前
用户：kk1957135547
-
21ic下载 打赏10.00元 3天前
用户：qingsong08
-
21ic下载 打赏10.00元 3天前
用户：电工老刘
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
ZENGYIBIN 打赏1.00元 3天前
-
21ic小能手 打赏10.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
-
21ic小能手 打赏5.00元 3天前
资料：STM32的数字万用表
全部评论(0)