防城港| 维西| 云浮| 库伦旗| 金湖| 德惠| 琼海| 会泽| 金门| 清涧| 敦煌| 罗山| 易县| 佳木斯| 南江| 泰兴| 长治市| 吉首| 谷城| 新邵| 温宿| 辽宁| 东明| 东至| 戚墅堰| 来宾| 西畴| 呼玛| 曲麻莱| 建瓯| 肃北| 聂拉木| 本溪满族自治县| 云林| 钓鱼岛| 陕县| 保山| 巧家| 谢通门| 始兴| 天水| 四川| 宁蒗| 建昌| 易县| 临沂| 镇赉| 屏南| 察哈尔右翼前旗| 萍乡| 永昌| 华宁| 绍兴县| 垦利| 苏尼特左旗| 南票| 文安| 维西| 伊川| 庄浪| 西青| 新洲| 温泉| 梧州| 潼南| 台儿庄| 乡宁| 靖西| 子洲| 和布克塞尔| 仪征| 宁津| 钟祥| 凯里| 虞城| 临澧| 天山天池| 壶关| 浦城| 谢家集| 黄陂| 轮台| 沁源| 宁南| 南通| 醴陵| 黄骅| 凤县| 安达| 定西| 禹城| 韶山| 乐东| 逊克| 佳木斯| 常德| 琼中| 巴东| 六盘水| 沧源| 理县| 太谷| 厦门| 盐津| 紫金| 金坛| 林芝镇| 邵阳县| 自贡| 共和| 夷陵| 天水| 禄劝| 吉木萨尔| 朗县| 白山| 肃南| 金湖| 鄂温克族自治旗| 珠海| 鹿邑| 宝坻| 怀柔| 青龙| 八达岭| 偏关| 八达岭| 宣恩| 仪征| 岳阳市| 岚皋| 东光| 麟游| 连山| 麟游| 长武| 东西湖| 陇南| 大英| 和政| 正安| 商都| 平舆| 班玛| 萝北| 依安| 花垣| 滕州| 呈贡| 葫芦岛| 全南| 新青| 榆树| 保定| 乐清| 曾母暗沙| 建湖| 丰城| 微山| 太仆寺旗| 信阳| 蒲江| 科尔沁右翼前旗| 太和| 汾阳| 平武| 河池| 孝昌| 杜集| 克东| 潜江| 安徽| 简阳| 澎湖| 西安| 常山| 博白| 托里| 项城| 武城| 汕头| 南靖| 环县| 池州| 玉屏| 南陵| 贡山| 唐县| 海宁| 额敏| 焉耆| 墨竹工卡| 黄平| 平原| 察隅| 华宁| 略阳| 桐梓| 云浮| 阿克塞| 剑阁| 呼玛| 临朐| 乐陵| 德兴| 余江| 宣化县| 兖州| 石拐| 南雄| 红岗| 弋阳| 木兰| 彬县| 林州| 白河| 马边| 道真| 剑川| 武隆| 盐源| 竹山| 徽县| 马尾| 牟平| 双鸭山| 五华| 武汉| 新丰| 衢州| 克东| 古县| 托克逊| 武冈| 清原| 巨鹿| 电白| 襄汾| 云南| 全南| 云安| 黄陂| 台前| 沿河| 澄江| 井陉| 满洲里| 肇源| 长寿| 胶南| 鹿寨| 泸溪| 临沭| 潜山| 南华| 金秀| 东宁| 河池| 平罗| 涠洲岛| 潘集| 定西| 德令哈|

人民币汇率中间价列表:4月18日人民币汇率中间

2019-07-24 11:19 来源:IT168

  人民币汇率中间价列表:4月18日人民币汇率中间

  要求稿件论点中立,论述详实,能够对读者的购买起到指导作用。平均每月为每家经销商创造近30个订单,月均交易额30万(支付宝实际数据,线下数据无法统计),渠道168首家开辟以人为属性的SNS渠道商圈。

如使用word等编辑的文本,建议不要将图片直接嵌在word文件中,而将插图另存,并注明插图位置。投稿指南一、稿件要求:1、稿件内容应该是与某一计算机类具体产品紧密相关的新闻评论、购买体验、性能详析等文章。

  其中频道业务每天及时发布包括服务器、存储、网络、安全、打印办公、企业软件、数据库、程序开发、云计算、信息化、移动开发等领域的最新产品技术资讯,为用户提供趋势分析、技术选型、产品导购、方案应用等方面的建议。6、我们保留对稿件的增删权。

  大会紧扣热点技术和话题,对包括架构设计、分布式集群、敏捷运维、系统安全、网络架构优化、数据分析、云平台等多个领域展开讨论,受到了CTO、软件架构师、网站架构师、平台架构师、系统架构师、存储架构师们的广泛赞誉。每年4月在北京举办,自2010年开始已经成功举办三届,每届均有近千位来自全国各地、各行各业的DBA、CIO、CTO、技术总监、运维总监、系统架构师、IT经理参加,是国内技术水平最高、交流最充分、涉及领域最广泛的数据库领域技术盛会。

IT168中国最具影响力的IT网络媒体,拥有中国唯一的独立评测体系,原创专业实力雄厚,是业界的旗舰媒体。

  每年4月在北京举办,自2010年开始已经成功举办三届,每届均有近千位来自全国各地、各行各业的DBA、CIO、CTO、技术总监、运维总监、系统架构师、IT经理参加,是国内技术水平最高、交流最充分、涉及领域最广泛的数据库领域技术盛会。

  IT168两大会议介绍:1、数据库大会(DTCC)由IT168(ITPUB、IXPUB、ChinaUnix)主办、一年一度的数据库技术大会()以“数据库技术企业应用最佳实践”为主题,邀请来自国内各行各业的数据库技术专家进行主讲,涉及Oralce、MySQL、MSSQL、Sybase、DB2以及大数据架构设计、分布式数据库、商业智能、NoSQL、Hadoop等多个重点领域。且IT168针对用户购买行为整合网络多种资源,内容强调专业性及从用户需求出发,形成从舆论引导到用户口碑运营、从品牌产品渗透到交易促进,形成最有效的网络传播IT168企业级资讯与互动平台主要包括频道、技术社区、文库下载、博客等业务,是国内最大的企业级IT媒体之一。

  投稿指南一、稿件要求:1、稿件内容应该是与某一计算机类具体产品紧密相关的新闻评论、购买体验、性能详析等文章。

  投稿指南一、稿件要求:1、稿件内容应该是与某一计算机类具体产品紧密相关的新闻评论、购买体验、性能详析等文章。平均每月为每家经销商创造近30个订单,月均交易额30万(支付宝实际数据,线下数据无法统计),渠道168首家开辟以人为属性的SNS渠道商圈。

  评测优势:IT168十年如一日,坚持用统一标准衡量万款IT产品,为用户提供最公平公正的结果说明:IT168评测中心用“同一把尺子”,十年如一日地对品牌和产品数据进行测评和积累,使一切横比、导购、导用都有了最接近真实的依据。

  大会紧扣热点技术和话题,对包括架构设计、分布式集群、敏捷运维、系统安全、网络架构优化、数据分析、云平台等多个领域展开讨论,受到了CTO、软件架构师、网站架构师、平台架构师、系统架构师、存储架构师们的广泛赞誉。

  6、第5条所述之网络是指通过我方网络,包括但不限于。服务本地经销商与中小厂商信息推广的同时满足厂商渠道拓展的多维度营销服务。

  

  人民币汇率中间价列表:4月18日人民币汇率中间

 
责编:
您正在使用IE低版浏览器,为了您的雷锋网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
雷锋网 读懂智能&未来
人工智能 正文
发私信给程弢
发送

0

谷歌硬件工程师揭秘,TPU为何会比CPU、GPU快30倍?

本文作者:程弢 2019-07-24 14:03
导语:从这次发布的测试结果来看,TPU似乎已经超出了业界的预期,但是藏在这一芯片背后的内部架构究竟有什么秘密呢,我们从Jouppi此前发布的论文当中,可以找到答案。
投稿指南一、稿件要求:1、稿件内容应该是与某一计算机类具体产品紧密相关的新闻评论、购买体验、性能详析等文章。

谷歌硬件工程师揭秘,TPU为何会比CPU、GPU快30倍?

在谷歌发布TPU一年后,这款机器学习定制芯片的神秘面纱终于被揭开了。

昨日,谷歌资深硬件工程师Norman Jouppi刊文表示,谷歌的专用机器学习芯片TPU处理速度要比GPU和CPU快15-30倍(和TPU对比的是英特尔Haswell CPU以及Nvidia Tesla K80 GPU),而在能效上,TPU更是提升了30到80倍。

从这次发布的测试结果来看,TPU似乎已经超出了业界的预期,但是藏在这一芯片背后的内部架构究竟有什么秘密呢,我们从Jouppi此前发布的论文当中,可以找到答案。

据雷锋网(公众号:雷锋网)了解,早在四年前,谷歌内部就开始使用消耗大量计算资源的深度学习模型,这对CPU、GPU组合而言是一个巨大的挑战,谷歌深知如果基于现有硬件,他们将不得不将数据中心数量翻一番来支持这些复杂的计算任务。

所以谷歌开始研发一种新的架构,Jouppi称之为“下一个平台”。Jouppi曾是MIPS处理器的首席架构师之一,他开创了内存系统中的新技术。三年前他加入谷歌的时候,公司上下正在用CPU、GPU混合架构上来进行深度学习的训练。

Jouppi表示,谷歌的硬件工程团队在转向定制ASIC之前,早期还曾用FPGA来解决廉价、高效和高性能推理的问题。但他指出,FPGA的性能和每瓦性能相比ASIC都有很大的差距。他解释说,“TPU可以像CPU或GPU一样可编程,它可以在不同的网络(卷积神经网络,LSTM模型和大规模完全连接的模型)上执行CISC指令,而不是为某个专用的神经网络模型设计的。一言以蔽之,TPU兼具了CPU和ASIC的有点,它不仅是可编程的,而且比CPU、GPU和FPGA拥有更高的效率和更低的能耗。

TPU的内部架构

谷歌硬件工程师揭秘,TPU为何会比CPU、GPU快30倍?

该图显示了TPU上的内部结构,除了外挂的DDR3内存,左侧是主机界面。指令从主机发送到队列中(没有循环)。这些激活控制逻辑可以根据指令多次运行相同的指令。

TPU并非一款复杂的硬件,它看起来像是雷达应用的信号处理引擎,而不是标准的X86衍生架构。Jouppi说,尽管它有众多的矩阵乘法单元,但是它GPU更精于浮点单元的协处理。另外,需要注意的是,TPU没有任何存储的程序,它可以直接从主机发送指令。

TPU上的DRAM作为一个单元并行运行,因为需要获取更多的权重以馈送到矩阵乘法单元(算下来,吞吐量达到了64,000)。Jouppi并没有提到是他们是如何缩放(systolic)数据流的,但他表示,使用主机软件加速器都将成为瓶颈。

谷歌硬件工程师揭秘,TPU为何会比CPU、GPU快30倍?

256×256阵列缩放数据流引擎,经过矩阵乘法积累后实现非线性输出

从第二张图片可以看出,TPU有两个内存单元,以及一个用于模型中参数的外部DDR3 DRAM。参数进来后,可从顶部加载到矩阵乘法单元中。同时,可以从左边加载激活(或从“神经元”输出)。那些以收缩的方式进入矩阵单元以产生矩阵乘法,它可以在每个周期中进行64,000次累加。

毋庸置疑,谷歌可能使用了一些新的技巧和技术来加快TPU的性能和效率。例如,使用高带宽内存或混合3D内存。然而,谷歌的问题在于保持分布式硬件的一致性。

TPU对比Haswell处理器

在和英特尔“Haswell”Xeon E5 v3处理器来的对比中,我们可以看到,TPU各方面的表现都要强于前者。

在Google的测试中,使用64位浮点数学运算器的18核心运行在2.3 GHz的Haswell Xeon E5-2699 v3处理器能够处理每秒1.3 TOPS的运算,并提供51GB/秒的内存带宽;Haswell芯片功耗为145瓦,其系统(拥有256 GB内存)满载时消耗455瓦特。

相比之下,TPU使用8位整数数学运算器,拥有256GB的主机内存以及32GB的内存,能够实现34GB/秒的内存带宽,处理速度高达92 TOPS ,这比Haswell提升了71倍,此外,TPU服务器的热功率只有384瓦。

谷歌硬件工程师揭秘,TPU为何会比CPU、GPU快30倍?

除此之外,谷歌还测试了CPU、GPU和TPU处理不同批量大小的每秒推断的吞吐量。

谷歌硬件工程师揭秘,TPU为何会比CPU、GPU快30倍?

如上图所示,在小批量任务中(16),Haswell CPU的响应时间接近7毫秒,其每秒提供5482次推断(IPS),其可以实现的最大批量任务(64)每秒则可以完成13194次推断,但其响应时间为21.3毫秒。相比之下,TPU可以做到批量大小为200,而响应时间低于7毫秒,并提供225000个IPS运行推理基准,是其峰值性能的80%,当批量大小为250,响应时间为10毫秒。

不过需要注意的是,谷歌所测试的Haswell Xeon处理器似乎也不能完全说明问题,英特尔Broadwell Xeon E5 v4处理器和最新的“Skylake”Xeon E5,每核心时钟(IPC)的指令比这款处理器提升了约5%。在Skylake是28核,而Haswell为18核,所以Xeon的总体吞吐量可能会上升80%。当然,这样的提升与TPU相比仍有差距。

最后雷锋网需要强调的是,TPU是一个推理芯片,它并非是要取代GPU,可以确定的是,TPU与CPU一起使用对训练分析更加有益。但对于CPU制造商而言,如何研发出像ASIC一样兼顾性能和能效的芯片是现在以及未来要做的。

可以确定的是,谷歌已经逐渐在自己的数据中心部署TPU,但是上述测试数据只是理论结果,实际应用表现如何?我们还不得而知。

Via nextplatform,雷锋网编译

雷锋网版权文章,未经授权禁止转载。详情见转载须知

谷歌硬件工程师揭秘,TPU为何会比CPU、GPU快30倍?
分享:
相关文章

文章点评:

表情

略懂技术的小编

关注一切有未来感的产品及技术!
当月热门文章
最新文章
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介
光华中路 仁东桥 相老财圪旦 安各庄 福田乡
句容市东进林场 清水湖村 五里仓第一社区 钟多镇 东岳棉花原种场