现在的位置: 首页资讯>正文
只要硬件齐全,100万倍的运算性能不是问题
2017年08月29日 作者: 暂无评论 145+ 0

Google

Google资深研究员Jeff Dean强调,硬件系统可针对执行少量特定的作业实现优化,并形成大量机器学习模型,从而打造更强大的神经网络…

如果您目前尚未考虑到如何有效利用深度神经网络(deep neural network)来解决您的问题,那么您的脚步必须加快了。至少,根据Google资深研究员兼深度学习人工智能研究计划(即Google Brain)主持人Jeff Dean是这么认为的。

在日前于美国加州举行的Hot Chips大会专题演讲中,Dean介绍神经网络如何大幅改写运算设备,并在语音、视觉、搜寻、机器人与医疗保健等领域取得重大的进展。他强调,硬件系统可针对执行少量特定作业实现优化,并形成大量的机器学习(machine learning)模型,从而打造更强大的神经网络。

Dean说:“针对神经网络具备的特性打造专用计算机极具意义。如果你能开发出一套真正善于进行特定作业(例如加速的低精度线性代数)的系统,那就是业界梦寐以求的。” 

GoogleGoogle资深研究员Jeff Dean在Hot Chip大会上发表专题演讲 

针对美国国家工程院(National Academy of Engineering;NAE)于2008年提出的14项21世纪重大工程挑战,Dean认为,透过神经网络可望在解决这些所有问题时发挥重要作用。Dean在发表简报时特别着重于其中的五项挑战:恢复并改善城市建筑、推动健康资讯工程进展、更有效地用药,以及人类大脑的反向工程等。不过,对于NAE重大挑战清单中的最后一项——为科学探索打造工具,Dean却保留了他的看法。

Dean表示:“人们已经意识到我们需要更多的运算能力,才能解决这种种的问题。”

TPU Pods解决更大的问题

Google最近开始为其客户和研究人员提供可经由云端服务的第二代TensorFlow处理器单元(TPU)机器学习ASIC。这是一款客制化的加速器板,配备4个第二代装置,据称可带来180兆次浮点运算(TFLOPS)运算和64GB高带宽内存(HBM)的性能。

Dean表示,新的云端TPU芯片设计主要用于将彼此连接在一起,形成更大的配置——亦即被称为‘TPU Pod’的机器学习超级计算机。一个TPU Pod配置中包含64个第二代TPU,可提供11.5 petaflops以及 4TB的HBM内存。他并补充说,Google还免费提供了1,000个云端TPU给致力于开放机器学习研究的顶尖研究人员。

Dean说:“我们对于TPU Pod解决更大问题的可能性感到非常振奋。”

2015年,Google发表TensorFlow软件库,为机器学习开放来源,目标就在于建立一个可用于表达与交换机器学习想法与系统的通用平台。Dean并展示了一张图表,显示TensorFlow才刚过一年半,就已经比其他具有类似用途的库更受欢迎。GoogleGoogle第二代TPU

Dean表示,近五年来迅速出现的神经网络,主要是受到过去20年来运算能力的重大进展而促成的。他并补充说自己在1990年时还为此撰写了一篇有关神经网络的论文。他认为,当时的神经网络发展几乎是可行的,但大约还需要更高60倍的运算能力。

Dean说:“而今,事实证明,我们真正需要更高大约100万倍的运算性能,而非60倍。”

原文链接:http://www.eeboard.com/news/google-27/

搜索爱板网加关注,每日最新的开发板、智能硬件、开源硬件、活动等信息可以让你一手全掌握。推荐关注!

【微信扫描下图可直接关注】

科技早知道:

再也不用担心电池爆炸了,镁电池取得突破

深圳大普微电子向全球发布一种智能化的SSD控制器架构:DPU,颠覆现有CPU芯片的架构模式

或采用5nm制程 AMD着手研发Zen4或Zen5处理器为未来而准备

移动硬盘已经没落,NAS存储才是未来!

用4480颗废旧笔记本电池电芯造出40kWh超级蓄电池,这个老外做到了!

相关文章

与非网硅谷科技游第3天,从计算机历史博物馆到谷歌

今天,2018年2月24日,是与非网硅谷科技游的第3天。尽管大家还沉浸在昨天好莱坞环球影城现实与未来的科技感中,10人小分队已飞达圣何塞(San Jose),并抵达了山景城(Mountain View)。 圣...

IBM 50个量子比特量子计算机内部结构图首度曝光,2018量子霸权战局预测

2017年11月,IBM宣布成功构建并测量了具有类似性能指标的50个量子比特原型机。

谷歌向第三方开放自研AI芯片TPU:每小时6.5美元

谷歌在一篇博客文章中正式宣布,将以“有限数量”向谷歌云客户开放张量处理器(Tensor Processing Unit,简称TPU)服务。TPU是谷歌为机器学习而设计的人工智能定制芯片。将TPU开放,对于选择在...

自动驾驶系统:基于Zynq的CNN(卷积神经网络)系统

Xilinx推出的Zynq-7000和UltraScale+ MPSoC系列是机器视觉应用的理想选择,能够为复杂多任务的并行设计提供无与伦比的性能,并且满足降低的成本和功耗要求。尤其是它们所支持的reVISION Stac...

Google创意主管谈Pixel手机设计:“全面屏”或是趋势,但屏幕以外,才考设计

无论是否符合个人审美喜好,Google 的 Pixel 手机的确是市面上其中一款最有辨识度的智能手机。

给我留言

您必须 [ 登录 ] 才能发表留言!