AI研习社顶部广告
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 2018-08-18 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。
问题是巴斯在NBA是一个标准的蓝领内线,功能型球员。

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(公众号: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
友情链接: 血红轨迹 创世以及异世界 随身天道 伪娘的玄幻日常 程序独立日 魔兽战纪之重生 论一个合格的反派 罚神之地 万界临时工 短篇诡故事 巫师魅影 我家电脑有精灵 最烦穿越这件小事 阴阳极道境 末世尸判 一世神游 穿越精灵宝可梦的训练家 魔女养成指南 龙门大阵 火影搞事情 武神王者系统 虚妄领域 神侠世界 网王之各种即兴故事 圣皓 我的欢乐生活 如尘界 沧零界 化蝶飞仙 最强无敌进化系统 王者荣耀之末世熔炉 我的聊斋画本 菲莉亚魔法战记 卡奇布斯小镇 武神仙游 狮子兽的征途 禁灵纪 末世行医录 玄之金龙白玉 遗落边缘 我被附身那些年 大明团战 元洲 洪水逃生 双魂戏梦寻情记 不世王爷 沫雨大陆 梦世界角色扮演感悟录 大大的城市小小的你我 异界秦起 破天穹,乱九天 重铸玲珑塔 无道之心 影迦奥特曼 何为狂 川寂 我是海岛主 灵魂导游 星星照我去战斗 天极问神 小寄语 九龙天玄决 暴徒乐园 变身之我为校花 残兵破军 猛鬼西行 狂燃的魔灵 天道小子 实中迷案系列 天仙虚空 无名帝 邪修万物 擒剑记 育武楼的日子 重生之亡灵行 次元星辰 萤石幻想 都市中的异能系统 灭世之我欲成魔 绝对重生 三国之群雄召唤 打劫魔王的勇士 皇本纪 龙族奇境 途中所见 二代废材 伊伊言钦 十八岁,从头再来 喜鹊林 无限之乐园 玄动苍冥 犬夜叉之大妖怪 九幽血魔界 尘烟世界 海贼拳皇 龙珠之白胡子降临 万兽寻主 妖仙灵榜 HP追忆的爱情 总裁大人,深度爱 死神之银之决意 何大帅的日常 和校草拼命的这段日子——重生 异世之乱世枭雄 十二委员会 香阵沁金甲 远洋制造 麟帝之巅 天尘帝国系统 花都修仙主宰 他,守护者 宇宙初相 散写文诗 重生之都市修真妖孽 邪帝神尊 不朽神龙 诡秘邪棺 笔音 创末 狐灵零 里海的夜风 网游三国之城市攻略 杜小默捉鬼不怂 妖怪放学别走 杨门水浒 胡编乱说瞎扯一大堆的假标题 都市不一样的平凡 陆之昂的别样人生 紫垣行 妖妖呈裔 火影忍者之强化无敌 金的来信 永生不息 氪命玩家 刀剑乱舞之樱落终末 齐木至美的灾难 王者的秘密 天纹道 我的世界OL 杀当为道 末世予黎明 水货圣人 尸鬼修真传 陈公传 大梦归耳 初阅玄幻 真武道域 终极麦块 灵九天歌 出于爱心还是心爱 有命无咎 魔域雄心 傲气云天 修仙之游戏系统 十里阳光 吃鸡掌控者 燃魂之巅 欧美世界里的修士 生灵幻想 重生之美女的贴身高手 琨崘域 逆天霸少在都市 纷乱末世 超神学院彦伦爱 离殇——我们是兄弟 装在口袋里的爸爸之万能手机 奕皇 傲逆与顺从 我家的失忆女孩 拳神季 港娱1975 碎裂的神造世界 万界最强吊打系统 另个我和现在的世界 伐魔剑 天元剑诀 付出过的青春 食神仙陆 光明与黑暗的双星 星潮之仙女座来客