Google的第四代張量處理單元公開發布

2020-07-31 08:44:35 編輯：來源：國際品牌資訊

模型時，第四代TPU的得分也很高。使用256個第四代TPU進行培訓需要1.82分鐘，僅比使用4,096個第三代TPU進行培訓所需的0.39分鐘稍慢。同時，使用Nvidia硬件達到0.81分鐘的培訓時間，需要2,048張A100卡和512個AMD Epyc 7742 CPU內核。

最新的MLPerf包括新的和經過修改的基準(建議和強化學習)，并且TPU的結果參差不齊。由64個第四代TPU組成的集群在“建議”任務中表現良好，花費了1.12分鐘的時間來訓練來自Criteo AI Lab的Terabyte點擊率(CTR)數據集的1TB日志的模型。(八個Nvidia A100卡和兩個AMD Epyc 7742 CPU內核在3.33分鐘內完成了訓練。)但是Nvidia在強化學習方面取得了領先，設法在29.7分鐘的簡化版棋盤游戲中將模型訓練為50%的獲勝率。帶有256個A100卡和64個AMD Epyc 7742 CPU內核。256個第四代TPU花費了150.95分鐘。

需要注意的一點是，Nvidia硬件以Facebook的PyTorch框架和Nvidia自己的框架(而不是Google TensorFlow)為基準。第三代和第四代TPU都使用TensorFlow，JAX和Lingvo。盡管這可能會在一定程度上影響結果，甚至允許這樣做，但基準測試明確了第四代TPU的性能優勢。

標簽： Google