Тензорный процессор
 Тензорный процессор 3.0 | |
| Дизайнер | |
|---|---|
| Представлено | 2015 [1] |
| Тип | Нейронная сеть Машинное обучение |
Тензорный процессор ( TPU ) — это (ASIC) для ускорителя искусственного интеллекта специализированная интегральная схема , разработанная Google для нейронных сетей машинного обучения с использованием собственного программного обеспечения Google TensorFlow . [2] Google начала использовать TPU внутри компании в 2015 году, а в 2018 году сделала их доступными для использования третьими лицами , как в рамках своей облачной инфраструктуры, так и предложив на продажу уменьшенную версию чипа.
Сравнение с процессорами и графическими процессорами [ править ]
По сравнению с графическим процессором , TPU предназначены для большого объема вычислений с низкой точностью (например, с точностью до 8 бит ). [3] с большим количеством операций ввода/вывода на джоуль , без аппаратного обеспечения для растеризации/ наложения текстур . [4] TPU , ASIC монтируются в блоке радиатора, который может поместиться в слот жесткого диска в стойке По словам Нормана Джоуппи центра обработки данных . [5]
Различные типы процессоров подходят для разных типов моделей машинного обучения. TPU хорошо подходят для CNN , тогда как графические процессоры имеют преимущества для некоторых полносвязных нейронных сетей, а процессоры могут иметь преимущества для RNN . [6]
История [ править ]
Тензорный процессор был анонсирован в мае 2016 года на Google I/O , когда компания заявила, что TPU уже используется внутри их дата-центров уже больше года. [5] [4] Чип был специально разработан для платформы Google TensorFlow , символьной математической библиотеки, которая используется в приложениях машинного обучения, таких как нейронные сети . [7] Однако по состоянию на 2017 год Google по-прежнему использовал процессоры и графические процессоры для других типов машинного обучения . [5] Другие разработки ускорителей искусственного интеллекта появляются и у других поставщиков и нацелены на рынки встраиваемых систем и робототехники .
TPU Google являются запатентованными. Некоторые модели коммерчески доступны, и 12 февраля 2018 года газета The New York Times сообщила, что Google «позволит другим компаниям покупать доступ к этим чипам через свою службу облачных вычислений». [8] Google заявил, что они использовались в AlphaGo против Ли Седоля серии человеко-машинных игр го . [4] а также в системе AlphaZero , которая создавала игровые программы в шахматы , сёги и го исключительно на основе правил игры и в дальнейшем обыгрывала ведущие программы в этих играх. [9] Google также использовал TPU для обработки текста Google Street View и смог найти весь текст в базе данных Street View менее чем за пять дней. В Google Photos отдельный TPU может обрабатывать более 100 миллионов фотографий в день. [5] Он также используется в RankBrain , который Google использует для предоставления результатов поиска. [10]
Google предоставляет третьим лицам доступ к TPU через свою службу Cloud TPU в рамках Google Cloud Platform. [11] а также через свои для ноутбуков сервисы Kaggle и Colaboratory . [12] [13]
Продукты [ править ]
| ТПУв1 | ТПУv2 | ТПУv3 | ТПУv4 [15] [17] | ТПУv5e [18] | ТПУв5п [19] [20] | Триллиум [21] | |
|---|---|---|---|---|---|---|---|
| Дата введения | 2015 | 2017 | 2018 | 2021 | 2023 | 2023 | 2024 |
| Узел процесса | 28 нм | 16 нм | 16 нм | 7 нм | Не указано | Не указано | |
| Размер матрицы (мм 2 ) | 331 | < 625 | < 700 | < 400 | 300-350 | Не указано | |
| Встроенная память (МиБ) | 28 | 32 | 32 | 32 | 48 | 112 | |
| Тактовая частота (МГц) | 700 | 700 | 940 | 1050 | Не указано | 1750 | |
| Память | 8 ГиБ DDR3 | 16 ГиБ HBM | 32 ГиБ HBM | 32 ГиБ HBM | 16 ГБ ХБМ | 95 ГБ ХБМ | 32 ГБ? |
| Пропускная способность памяти | 34 ГБ/с | 600 ГБ/с | 900 ГБ/с | 1200 ГБ/с | 819 ГБ/с | 2765 ГБ/с | ~1,6 ТБ/с? |
| Тепловая мощность (Вт) | 75 | 280 | 220 | 170 | Нет в списке | Нет в списке | |
| TOPS (Тера операций в секунду) | 23 | 45 | 123 | 275 | 197 (бф16) 393 (инт8) | 459 (бф16) 918 (инт8) | |
| ТОПС/ВТ | 0.31 | 0.16 | 0.56 | 1.62 | Нет в списке | Нет в списке |
ТПУ первого поколения [ править ]
TPU первого поколения представляет собой 8-битный механизм умножения матриц , управляемый с помощью инструкций CISC главным процессором по шине PCIe 3.0 . Он производится по 28- нм техпроцессу с размером кристалла ≤ 331 мм. 2 . Тактовая частота составляет 700 МГц , расчетная тепловая мощность составляет 28–40 Вт . Он имеет 28 МБ встроенной памяти и 4 МБ аккумуляторов 32-битных , принимающих результаты систолического массива 8-битных множителей размером 256×256 . [22] В комплект TPU входит 8 ГиБ 2133 двухканальной памяти DDR3 SDRAM с частотой и МГц пропускной способностью 34 ГБ/с. [16] Инструкции передают данные на хост или от него, выполняют умножение или свертку матриц и применяют функции активации . [22]
второго поколения ТПУ
ТПУ второго поколения было анонсировано в мае 2017 года. [23] Google заявила, что конструкция TPU первого поколения была ограничена пропускной способностью памяти , а использование 16 ГБ памяти с высокой пропускной способностью в конструкции второго поколения увеличило пропускную способность до 600 ГБ/с и производительность до 45 терафлопс . [16] Затем TPU объединяются в четырехчиповые модули с производительностью 180 терафлопс. [23] Затем 64 таких модуля собираются в 256-чиповые блоки с производительностью 11,5 петафлопс. [23] Примечательно, что хотя TPU первого поколения были ограничены целыми числами, TPU второго поколения также могут выполнять вычисления с плавающей запятой , используя формат bfloat16 , изобретенный Google Brain . Это делает TPU второго поколения полезными как для обучения, так и для вывода моделей машинного обучения. Google заявил, что эти TPU второго поколения будут доступны в Google Compute Engine для использования в приложениях TensorFlow. [24]
ТПУ третьего поколения [ править ]
ТПУ третьего поколения было анонсировано 8 мая 2018 года. [25] Google объявила, что сами процессоры в два раза мощнее, чем TPU второго поколения, и будут развернуты в модулях с в четыре раза большим количеством чипов, чем в предыдущем поколении. [26] [27] Это приводит к 8-кратному увеличению производительности каждого модуля (до 1024 чипов на модуль) по сравнению с развертыванием TPU второго поколения.
ТПУ четвертого поколения [ править ]
18 мая 2021 года генеральный директор Google Сундар Пичаи рассказал о тензорных процессорах TPU v4 во время своего основного доклада на виртуальной конференции Google I/O. TPU v4 улучшил производительность более чем в 2 раза по сравнению с чипами TPU v3. Пичаи сказал: «Один модуль v4 содержит 4096 чипов v4, и каждый модуль имеет в 10 раз большую пропускную способность межсоединения на чип по сравнению с любой другой сетевой технологией». [28] В документе Google от апреля 2023 года утверждается, что TPU v4 на 5–87% быстрее, чем A100, машинного обучения в тестах . [29]
Существует также версия «вывода», называемая v4i. [30] не требующий жидкостного охлаждения . [31]
ТПУ пятого поколения [ править ]
В 2021 году Google сообщил, что физическая компоновка TPU v5 выполняется с помощью нового приложения глубокого обучения с подкреплением . [32] Google утверждает, что TPU v5 почти в два раза быстрее TPU v4. [33] и, основываясь на этом, а также на относительной производительности TPU v4 по сравнению с A100, некоторые полагают, что TPU v5 так же быстр, как H100 , или даже быстрее . [34]
Подобно тому, как v4i является облегченной версией v4, пятое поколение имеет «экономичный» вариант. [35] версия под названием v5e. [18] В декабре 2023 года Google анонсировала TPU v5p, который, как утверждается, может конкурировать с H100. [36]
ТПУ шестого поколения [ править ]
В мае 2024 года на конференции Google I/O компания Google анонсировала TPU v6, который будет доступен позднее в 2024 году. Google заявила об увеличении производительности в 4,7 раза по сравнению с TPU v5e. [37] за счет увеличения блоков умножения матрицы и увеличения тактовой частоты. Емкость и пропускная способность памяти с высокой пропускной способностью (HBM) также увеличены вдвое. Модуль может содержать до 256 единиц Trillium. [38]
Край ТПУ [ править ]
В июле 2018 года Google анонсировала Edge TPU. Google, Edge TPU — это специально созданный чип ASIC предназначенный для запуска моделей машинного обучения (ML) для периферийных вычислений. Это означает, что он намного меньше и потребляет гораздо меньше энергии по сравнению с TPU, размещенными в центрах обработки данных Google (также известными как Cloud TPU). [39] ). В январе 2019 года Google предоставила Edge TPU разработчикам линейки продуктов под брендом Coral . Edge TPU способен выполнять 4 триллиона операций в секунду при электрической мощности 2 Вт. [40]
Предлагаемые продукты включают одноплатный компьютер (SBC), систему на модуле (SoM), USB- аксессуар, карту mini PCI-e и карту M.2 . SBC Coral Dev Board и Coral SoM работают под управлением ОС Mendel Linux — производной от Debian . [41] [42] Продукты USB, PCI-e и M.2 функционируют как дополнения к существующим компьютерным системам и поддерживают системы Linux на базе Debian на хостах x86-64 и ARM64 (включая Raspberry Pi ).
Среда выполнения машинного обучения, используемая для выполнения моделей на Edge TPU, основана на TensorFlow Lite . [43] Edge TPU способен ускорять только операции прямого прохода, что означает, что он в первую очередь полезен для выполнения логических выводов (хотя на Edge TPU можно выполнять облегченное обучение с передачей данных). [44] ). Edge TPU также поддерживает только 8-битную математику, а это означает, что для того, чтобы сеть была совместима с Edge TPU, ее необходимо либо обучить с использованием метода обучения с учетом квантования TensorFlow, либо с конца 2019 года также можно использовать пост- обучающее квантование.
12 ноября 2019 года Asus анонсировала пару одноплатных компьютеров (SBC) с Edge TPU. Платы Asus Tinker Edge T и Tinker Edge R созданы для Интернета вещей и периферийного искусственного интеллекта . SBC официально поддерживают Android и Debian операционные системы . [45] [46] ASUS также продемонстрировала мини-ПК под названием Asus PN60T с Edge TPU. [47]
2 января 2020 года Google анонсировала модуль Coral Accelerator и Coral Dev Board Mini, которые будут продемонстрированы на выставке CES 2020 позднее в том же месяце. Модуль Coral Accelerator — это многочиповый модуль с интерфейсами Edge TPU, PCIe и USB для упрощения интеграции. Coral Dev Board Mini — это меньший SBC с модулем Coral Accelerator и SoC MediaTek 8167s . [48] [49]
Пиксельное нейронное ядро [ править ]
15 октября 2019 года Google анонсировала смартфон Pixel 4 , который содержит Edge TPU под названием Pixel Neural Core . Google описывает его как «настроенный в соответствии с требованиями ключевых функций камеры Pixel 4» с использованием поиска нейронной сети, который жертвует некоторой точностью в пользу минимизации задержки и энергопотребления. [50]
Google Тензор [ править ]
Google последовала примеру Pixel Neural Core, интегрировав Edge TPU в специальную систему на кристалле под названием Google Tensor , которая была выпущена в 2021 году вместе с Pixel 6 . линейкой смартфонов [51] Google Tensor SoC продемонстрировал «чрезвычайно большие преимущества в производительности по сравнению с конкурентами» в тестах, ориентированных на машинное обучение; хотя мгновенное энергопотребление также было относительно высоким, повышение производительности означало, что потреблялось меньше энергии из-за более коротких периодов, требующих максимальной производительности. [52]
Иск [ править ]
В 2019 году компания Singular Computing, основанная в 2009 году Джозефом Бейтсом, приглашенным профессором института Массачусетского технологического , [53] подала иск против Google, обвиняя его в нарушении патентных прав на чипы из ТПУ. [54] К 2020 году Google успешно сократила количество исков, которые будет рассматривать суд, до двух: иск 53 из US 8407273, поданный в 2012 году и иск 7 из США 9218156, поданный в 2013 году, оба из которых заявляют о динамическом диапазоне 10. -6 до 10 6 для чисел с плавающей запятой, чего не может сделать стандартный float16 (не прибегая к субнормальным числам ), поскольку он имеет только пять бит для экспоненты. В судебном иске от 2023 года компания Singular Computing особо указала на использование Google bfloat16 , поскольку это выходит за пределы динамического диапазона float16 . [55] Singular утверждает, что нестандартные форматы с плавающей запятой были неочевидны в 2009 году, но Google возражает, что VFLOAT [56] Формат с настраиваемым количеством битов экспоненты существовал в качестве предшествующего уровня техники в 2002 году. [57] По состоянию на январь 2024 г. [update]Последующие судебные иски со стороны Singular довели число патентов, по которым ведется судебное разбирательство, до восьми. Ближе к концу судебного разбирательства в том же месяце Google согласилась на мировое соглашение, условия которого не разглашаются. [58] [59]
См. также [ править ]
- Когнитивный компьютер
- ИИ-ускоритель
- Структурный тензор — математическая основа ТПУ.
- Tensor Core , аналогичная архитектура от Nvidia
- TrueNorth , аналогичное устройство, имитирующее импульсные нейроны вместо тензоров низкой точности.
- Блок обработки изображений , аналогичное устройство, предназначенное для обработки изображений.
Ссылки [ править ]
- ^ Джуппи и др., 2017, «Анализ производительности тензорного процессора в центре обработки данных», https://arxiv.org/abs/1704.04760
- ^ «Облачные тензорные процессоры (TPU)» . Гугл облако . Проверено 20 июля 2020 г.
- ^ Армасу, Люциан (19 мая 2016 г.). «Представлена большая микросхема Google для машинного обучения: тензорный процессор с 10-кратной эффективностью (обновлено)» . Аппаратное обеспечение Тома . Проверено 26 июня 2016 г.
- ^ Перейти обратно: а б с Жуппи, Норм (18 мая 2016 г.). «Google усложняет задачи машинного обучения с помощью специального чипа TPU» . Блог об облачной платформе Google . Проверено 22 января 2017 г.
- ^ Перейти обратно: а б с д «Подразделение тензорных процессоров Google объяснило: именно так выглядит будущее вычислений» . ТехРадар . Проверено 19 января 2017 г.
- ^ Ван, Ю Эмма; Вэй, Гу Ён; Брукс, Дэвид (01 июля 2019 г.). «Сравнение платформ TPU, GPU и CPU для глубокого обучения». arXiv : 1907.10701 [ cs.LG ].
- ^ «TensorFlow: машинное обучение с открытым исходным кодом» «Это программное обеспечение для машинного обучения, используемое для различных видов задач восприятия и понимания языка» — Джеффри Дин, минута 0:47/2:17 из клипа на Youtube
- ^ «Google делает свои специальные чипы искусственного интеллекта доступными для других» . Нью-Йорк Таймс . Проверено 12 февраля 2018 г.
- ^ МакГурти, Колин (6 декабря 2017 г.). «AlphaZero от DeepMind сокрушает шахматы» . www.chess24.com .
- ^ «Тензорный процессор Google может продвинуть закон Мура на 7 лет вперед» . ПКМир . Проверено 19 января 2017 г.
- ^ «Часто задаваемые вопросы | Облачный ТПУ» . Гугл облако . Проверено 14 января 2021 г.
- ^ «Колаборатория Google» . colab.research.google.com . Проверено 15 мая 2021 г.
- ^ «Используйте TPU | TensorFlow Core» . ТензорФлоу . Проверено 15 мая 2021 г.
- ^ Джуппи, Норман П.; Юн, До Хён; Эшкрафт, Мэтью; Готчо, Марк (14 июня 2021 г.). Десять уроков трех поколений, которые сформировали Google TPUv4i (PDF) . Международный симпозиум по компьютерной архитектуре. Валенсия, Испания. дои : 10.1109/ISCA52012.2021.00010 . ISBN 978-1-4503-9086-6 .
- ^ Перейти обратно: а б «Системная архитектура | Облачный ТПУ» . Гугл облако . Проверено 11 декабря 2022 г.
- ^ Перейти обратно: а б с Кеннеди, Патрик (22 августа 2017 г.). «Пример использования Google TPU и GDDR5 от Hot Chips 29» . Служить дому . Проверено 23 августа 2017 г.
- ^ Оставайтесь с нами, скоро появится дополнительная информация о TPU v4 , получено 6 августа 2020 г.
- ^ Перейти обратно: а б Публичная предварительная версия Cloud TPU v5e Inference , получено 6 ноября 2023 г.
- ^ Облако TPU v5p Google Cloud. получено 9 апреля 2024 г.
- ^ Обучение Cloud TPU v5p , получено 9 апреля 2024 г.
- ^ «Представляем Trillium, ТПУ шестого поколения» . Блог Google Cloud . Проверено 29 мая 2024 г.
- ^ Перейти обратно: а б Джуппи, Норман П.; Янг, Клифф; Патил, Нишант; Паттерсон, Дэвид; Агравал, Гаурав; Баджва, Раминдер; Бейтс, Сара; Бхатия, Суреш; Боден, Нэн; Борчерс, Эл; Бойл, Рик; Кантен, Пьер-Люк; Чао, Клиффорд; Кларк, Крис; Кориелл, Джереми; Дейли, Майк; Дау, Мэтт; Дин, Джеффри; Гелб, Бен; Гаеммагами, Тара Вазир; Готтипати, Раджендра; Галланд, Уильям; Хагманн, Роберт; Хо, К. Ричард; Хогберг, Дуг; Ху, Джон; Хундт, Роберт; Больно, Дэн; Ибарз, Джулиан; Джеффи, Аарон; Яворски, Алек; Каплан, Александр; Хайтан, Харшит; Кох, Энди; Кумар, Навин; Лейси, Стив; Лаудон, Джеймс; Закон, Джеймс; Ле, Димту; Лири, Крис; Лю, Чжуюань; Удача, Кайл; Лундин, Алан; Маккин, Гордон; Маджоре, Адриана; Махони, Мэр; Миллер, Киран; Нагараджан, Рахул; Нараянасвами, Рави; Ни, Рэй; Никс, Кэти; Норри, Томас; Омерник, Марк; Пенуконда, Нараяна; Фелпс, Энди; Росс, Джонатан; Росс, Мэтт; Салек, Амир; Самадиани, Эмад; Северн, Крис; Сизиков, Григорий; Снелхэм, Мэтью; Саутер, Джед; Стейнберг, Дэн; Свинг, Энди; Тан, Мерседес; Торсон, Грегори; Тиан, Бо; Тома, Хория; Таттл, Эрик; Васудеван, Виджай; Уолтер, Ричард; Ван, Уолтер; Уилкокс, Эрик; Юн, До Хён (26 июня 2017 г.). Анализ производительности тензорного процессора™ в центре обработки данных . Торонто, Канада. arXiv : 1704.04760 .
- ^ Перейти обратно: а б с Брайт, Питер (17 мая 2017 г.). «Google внедряет в свое вычислительное облако процессоры тензорного потока мощностью 45 терафлопс» . Арс Техника . Проверено 30 мая 2017 г.
- ^ Кеннеди, Патрик (17 мая 2017 г.). «Раскрыты подробности о Google Cloud TPU» . Служить дому . Проверено 30 мая 2017 г.
- ^ Фрумусану, Андре (8 мая 2018 г.). «Живой блог Keynote, посвященный открытию Google I/O» . Проверено 9 мая 2018 г.
- ^ Фельдман, Майкл (11 мая 2018 г.). «Google предлагает взглянуть на процессор TPU третьего поколения» . Топ 500 . Проверено 14 мая 2018 г.
- ^ Тейх, Пол (10 мая 2018 г.). «Разрывая AI-сопроцессор TPU 3.0 от Google» . Следующая платформа . Проверено 14 мая 2018 г.
- ^ «Google выпускает AI-чипы TPU v4» . www.hpcwire.com . 20 мая 2021 г. Проверено 7 июня 2021 г.
- ^ Жуппи, Норман (20 апреля 2023 г.). «TPU v4: оптически реконфигурируемый суперкомпьютер для машинного обучения с аппаратной поддержкой встраивания». arXiv : 2304.01433 .
- ^ Кеннеди, Патрик (29 августа 2023 г.). «Google подробно описывает TPUv4 и его безумную оптически реконфигурируемую сеть искусственного интеллекта» . www.servethehome.com . Проверено 16 декабря 2023 г.
- ^ «Почему Google разработала собственный чип TPU? Подробное раскрытие информации членами команды» . censtry.com . 20 октября 2021 г. Проверено 16 декабря 2023 г.
- ^ Мирхосейни, Азалия; Голди, Анна (01 июня 2021 г.). «Методология размещения графиков для быстрого проектирования микросхем» (PDF) . Природа . 594 (7962): 207–212. дои : 10.1038/s41586-022-04657-6 . ПМИД 35361999 . S2CID 247855593 . Проверено 4 июня 2023 г.
- ^ Вахдат, Амин (06 декабря 2023 г.). «Включение рабочих нагрузок искусственного интеллекта следующего поколения: анонс TPU v5p и гиперкомпьютера с искусственным интеллектом» . Google . Проверено 8 апреля 2024 г.
- ^ Афифи-Сабет, Кеумарс (23 декабря 2023 г.). «Google быстро превращается в грозного противника BFF Nvidia — чип TPU v5p AI, питающий его гиперкомпьютер, работает быстрее, имеет больше памяти и пропускной способности, чем когда-либо прежде, превосходя даже могучий H100» . ТехРадар . Проверено 8 апреля 2024 г.
- ^ «Расширение нашего портфолио инфраструктуры, оптимизированной для искусственного интеллекта: представляем Cloud TPU v5e и анонсируем A3 GA» . Google . 29 августа 2023 г. Проверено 16 декабря 2023 г.
- ^ «Включение рабочих нагрузок искусственного интеллекта следующего поколения: анонс TPU v5p и гиперкомпьютера с искусственным интеллектом» . Google . 06.12.2023 . Проверено 9 апреля 2024 г.
- ^ Веласко, Алан (15 мая 2024 г.). «Google Cloud представляет Trillium, TPU 6-го поколения с приростом производительности искусственного интеллекта в 4,7 раза» . Горячее оборудование . Проверено 15 мая 2024 г.
- ^ «Представляем Trillium, ТПУ шестого поколения» . Блог Google Cloud . Проверено 17 мая 2024 г.
- ^ «Облачный ТПУ» . Гугл облако . Проверено 21 мая 2021 г.
- ^ «Тестирование производительности Edge TPU» . Коралл . Проверено 4 января 2020 г.
- ^ «Совет разработчиков» . Коралл . Проверено 21 мая 2021 г.
- ^ «Система-на-модуле (SoM)» . Коралл . Проверено 21 мая 2021 г.
- ^ «Выведение интеллекта на передний план с помощью Cloud IoT» . Гугл-блог . 25 июля 2018 г. Проверено 25 июля 2018 г.
- ^ «Переобучить модель классификации изображений на устройстве» . Коралл . Проверено 3 мая 2019 г.
- ^ «Объявляем, что мы примем участие в выставке комплексных встраиваемых технологий и выставке комплексных технологий Интернета вещей «ET & IoT Technology 2019»» . Asus.com (на японском языке) Проверено 13 ноября 2019 г. .
- ^ Шилов, Антон. «ASUS и Google объединяются для создания компьютеров размером с кредитную карту, ориентированных на искусственный интеллект, Tinker Board» . Anandtech.com . Проверено 13 ноября 2019 г.
- ^ Офран, Жан-Люк (29 мая 2019 г.). «ASUS Tinker Edge T и CR1S-CM-A SBC будут оснащены TPU Google Coral Edge и процессором NXP i.MX 8M» . CNX Software — Новости встраиваемых систем . Проверено 14 ноября 2019 г.
- ^ «Новинки Coral 2020 года» . Блог разработчиков Google . Проверено 4 января 2020 г.
- ^ «Модуль ускорителя» . Коралл . Проверено 4 января 2020 г.
- ^ «Представляем следующее поколение моделей машинного зрения: MobileNetV3 и MobileNetEdgeTPU» . Блог Google AI . Проверено 16 апреля 2020 г.
- ^ Гупта, Суйог; Уайт, Мари (8 ноября 2021 г.). «Улучшенное машинное обучение на устройстве Pixel 6 с поиском по нейронной архитектуре» . Блог Google AI . Проверено 16 декабря 2022 г.
- ^ Фрумусану, Андрей (2 ноября 2021 г.). «Тензор Google внутри Pixel 6, Pixel 6 Pro: взгляд на производительность и эффективность | IP Google: Tensor TPU/NPU» . АнандТех . Проверено 16 декабря 2022 г.
- ^ Хардести, Ларри (3 января 2011 г.). «Удивительная полезность неряшливой арифметики» . Массачусетский технологический институт . Проверено 10 января 2024 г.
- ^ Брэй, Гайавата (10 января 2024 г.). «Местный изобретатель бросает вызов Google в патентной борьбе на миллиард долларов» . Бостон Глобус . Бостон . Архивировано из оригинала 10 января 2024 г. Проверено 10 января 2024 г.
- ^ «SINGULAR COMPUTING LLC, Истец, против GOOGLE LLC, Ответчик: измененная жалоба о нарушении патентных прав» (PDF) . rpxcorp.com . Корпорация RPX . 20 марта 2020 г. Проверено 10 января 2024 г.
- ^ Ван, Сяоцзюнь; Лизер, Мириам (1 сентября 2010 г.). «VFloat: библиотека переменной точности с фиксированной и плавающей запятой для реконфигурируемого оборудования» . Транзакции ACM по реконфигурируемым технологиям и системам . 3 (3): 1–34. дои : 10.1145/1839480.1839486 . Проверено 10 января 2024 г.
- ^ «Singular Computing LLC против Google LLC» . Casetext.com . 6 апреля 2023 г. Проверено 10 января 2024 г.
- ^ Калкинс, Лорел Брубейкер (24 января 2024 г.). «Google урегулировала иск по поводу искусственного интеллекта, на который требовалось более 5 миллиардов долларов» . Закон Блумберга .
- ^ Бриттен, Блейк; Раймонд, Рэй (24 января 2024 г.). «Google урегулировала иск о патенте на чипы, связанные с искусственным интеллектом, на сумму 1,67 миллиарда долларов» . Рейтер .
Внешние ссылки [ править ]
- Облачные тензорные процессоры (TPU) (документация из Google Cloud)
- Фотография чипа и платы TPU Google
- Фотография платы Google TPU v2
- Фотография платы Google TPU v3
- Фотография модуля TPU v2 от Google
Дифференцируемые вычисления |
|---|
