标签：for 云端 包括 gpgpu 发展趋势 介绍 数据中心 技术分享 neu
关于TPU
有关硬件的问题，一定不会缺席。去年问过的芯片，这次再度来袭。（这个flow怎么样？）
关于TPU你们有什么新想法？未来5-15年机器学习硬件会有什么改变？
去年就有人问过TPU这件事，当时Jeff Dean相对详细的介绍了一下进展。今年5月17日，第二代TPU发布，不过AlphaGo的计算，还是基于第一代TPU。量子位也有相关报道谈到这些：《 新AlphaGo首度揭秘 》、《 详解谷歌第二代TPU 》等。
这次 Jeff Dean 没有过多回答TPU的新进展，再次介绍了云端TPU目前免费向研究人员开放申请使用。对于未来的发展趋势，Jeff表示：
机器学习硬件在未来5-10年（和以后）将是一个非常有趣的额领域。对于更多计算力的需求很大，专业化的线性代数精度降低可以加速大批深度学习模型。针对机器学习优化而创造的硬件，可以提供非常好的性能并提高能效。
有很多大公司和一大批初创公司在这个领域各显神通，这非常令人兴奋。它们提供的硬件包括用于移动设备的低功耗机器学习硬件，以及部署大型数据中心的机器学习超级计算机等。
下一代TPU何时推出？Google会卖TPU么？它能取代GPGPU么？
“我们已经推出了两代TPU，欢迎猜测未来的趋势 = ) ”TensorFlow产品经理 Zak Stone 回答了这个问题。（量子位插一句：实际上，过去新一代TPU都是在每年的Google I/O大会上发布。）
Stone继续补充：TPU目前只计划在Google的数据中心进行部署，我们还在大量使用GPU，并且努力让TensorFlow支持最新的GPU，比方英伟达的V100。这个领域变化很快，没有迹象表明某个平台可以通吃一切。
“另外GPU在机器学习之外还有很多其他用途，另外对于浮点精度有很高要求的传统HPC计算领域，GPU仍然是一个更好的选择。”
http://baijiahao.baidu.com/s?id=1578472258575023986&wfr=spider&for=pc
标签：for 云端 包括 gpgpu 发展趋势 介绍 数据中心 技术分享 neu
原文地址：http://www.cnblogs.com/painmoth/p/7753472.html
