谷歌TPU速度碾压GPU/CPU?英伟达黄仁勋:比过才知道
数据基于谷歌 Jouppi 等人论文"In-Datacenter Performance Analysis of a Tensor Processing Unit"[Jou17],以及英伟达内部基准分析。K80 与 TPU 的性能比数据来源于论文[Jou17]里 CNN0 和 CNN1的加速性能比,其中比较的是性能减半的 K80。K80 与 P40 性能比基于 GoogLeNet 模型,这是一种可以公开使用的CNN 模型,具有相似的性能属性。
虽然谷歌和英伟达选择了不同的发展路径,我们有一些共同关切的主题。具体包括:
-AI 需要加速计算。在摩尔定律变慢的时代背景下,加速器满足了深度学习海量数据处理需求
-张量处理处于深度学习训练和推理性能的核心位置
-张量处理是一个重要的新工作负载,企业在建立现代数据中心的时候,要考虑这一问题
-加速张量处理可以显著减少现代数据中心的建设成本
全球科技正处于一场被称为"AI 革命"的历史性转变中。如今这场革命影响最深刻的地方,就是阿里巴巴、亚马逊、百度、Facebook、谷歌、IBM、微软、腾讯等公司所拥有的的超大规模数据中心。这些数据中心,需要加速 AI 工作负载,不必花费数十亿美元用新的CPU节点来打造新的数据中心。如果没有加速计算,大规模 AI 实现根本不可能。
GPU加速计算为深度学习和现代AI 供能。大家可以在 5 月 8-11 日到加州圣何塞参加我们的 GPU Technology 大会。你将会听到 AI 开拓者们谈论他们突破性的发现,并且获悉 GPU 计算的最新进展是如何在变革一个又一个行业。
更多最新行业资讯,欢迎点击《今日大事要闻》!
- 传英特尔或收购Nvidia 黄仁勋担任新CEO(11-17)
- 一年股价飙涨两倍,英伟达今年为啥爆款频出?(11-23)
- 一文看懂Nvidia人工智能发展史,6年前已开始布局(01-09)
- 英特尔处理器挤牙膏也有苦衷?黄仁勋一句话点破(01-08)
- 不把谷歌TPU放在眼里?英伟达黄仁勋哪来的自信(04-25)
- 面对摩尔定律死亡论,NVIDIA的应对措施是人工智能?(05-03)