Tensor Processor Unit 3.0 هشت برابر قدرتمندتر از نمونه قبلی
گوگل نسل جدید سخت افزار یادگیری ماشین خود را معرفی کرد
این روزها نبرد بر سر ساخت سخت افزار هوش مصنوعی سفارشی شده به شدت در جریان است، در همایش Google I/O 2018 شرکت گوگل اعلام کرد که نسل سوم تراشه‌های Tensor Processor Unit 3.0 خود را عرضه کرده است. طبق ادعای مدیر عامل گوگل این نسخه هشت برابر قدرتمندتر از نمونه TPU 2.0 که در سال گذشته معرفی شد است.

طی چند سال گذشته گوگل مشغول ساخت TPU (Tensor Processing Units) اختصاصی خود برای انجام وظایف پردازش‌های مختلف مربوط به هوش مصنوعی و یادگیری ماشینی بوده است. مدیر عامل گوگل ساندر پیچای می‌گوید این TPU جدید با عملکرد 100 پتافلاپی خود هشت برابر قدرتمندتر از نمونه TPU 2.0 سال گذشته است و به اندازه‌ای انرژی مصرف می‌کند که به خنک کننده مایع نیاز دارد.  گوگل تقریبا هر شرکت بزرگ دیگری را به سمت ساخت تراشه‌های سفارشی به منظور اداره عملیات دستگاه خود می‌کشاند. و از آنجا که چند چهارچوب از جمله  PyTorch و Caffe2 برای توسعه ابزارهای یادگیری ماشین ارائه شده، این نمونه نیز برای فریم ورک TensorFlow گوگل بهینه سازی شده است. گوگل به دنبال آن است تا Google Cloud را به یک پلتفرم حاضر در همه جا و در مقیاس با آمازون تبدیل کرده و ابزار یادگیری ماشینی بهتری را ارائه کند.

آمازون و فیسبوک نیز مشغول کار روی سیلیکون اختصاصی خود هستند. سخت افزار فیسبوک برای فریم ورک Caffe2 این شرکت بهینه سازی شده که طراحی شده تا حجم زیادی از اطلاعات نموداری جمع آوری شده از کاربران خود را اداره کند. شما می‌توانید آن را در مورد هر چیزی که فیسبوک در مورد شما می‌داند از تاریخ تولد شما و نمودار دوستان شما تا هر چیزی که در الگوريتم فیلد خبری قرار می‌گیرد تصور کنید. ما هنوز اطلاعات چندانی در مورد اهداف آمازون در اختیار نداریم، اما این شرکت نیز قصد دارد با AWS زیرساخت‌های کلاود اختصاصی خود را داشته باشد.

سال گذشته گوگل در I/O از نسل دوم پردازنده TPU رونمایی کرده بود، بنابراین جای تعجب نبود که ما امسال هم شاهد نمونه دیگری از آن باشیم. گوگل در آن زمان بیشتر وضعیت عملکرد را تبلیغ می‌کرد، گرچه نقطه مشترک بین همه این ابزارها این است که در ابتدا آنها را کمی‌ ساده‌تر و دلپذیرتر جلوه دهند.

گوگل همچین می‌گوید این اولین بار است که این شرکت از سیستم خنک کننده مایع در مراکز داده خود استفاده کرده است. اتلاف انرژی از طریق حرارت یک مشکل بزرگ برای شرکت‌هایی است که در پی ساخت سخت افزار سفارشی برای یادگیری ماشین هستند.

سوالات زیادی پیرامون ساخت تراشه‌های سفارشی وجود دارد. یکی از آنها ممکن است این باشد که توسعه دهندگان چه نیازی به تراشه‌های فوق کارآمد دارند وقتی یک کارت انویدیا با چند سال قدمت می‌تواند جوابگوی نیاز آنها باشد. اما مجموعه داده‌ها به طور فزاینده‌ای در حال افزایش هستند و این روزها در اختیار داشتن بهترین و بزرگترین مجموعه داده چیزی است که هر شرکتی به دنبال آن است.

اینتل نیز قصد دارد با محصولات خود وارد این حوزه شود. این شرکت در زمینه فناوری FPGA تلاش زیادی کرده است تا طراحی آنها به شکلی انجام شود تا بر اساس نیازهای تغییرات یادگیری ماشین در طی زمان انعطاف پذیرتر باشند.

ماهنامه شبکه را از کجا تهیه کنیم؟
ماهنامه شبکه را می‌توانید از کتابخانه‌های عمومی سراسر کشور و نیز از دکه‌های روزنامه‌فروشی تهیه نمائید.

ثبت اشتراک نسخه کاغذی ماهنامه شبکه     
ثبت اشتراک نسخه آنلاین

 

کتاب الکترونیک +Network راهنمای شبکه‌ها

  • برای دانلود تنها کتاب کامل ترجمه فارسی +Network  اینجا  کلیک کنید.

کتاب الکترونیک دوره مقدماتی آموزش پایتون

  • اگر قصد یادگیری برنامه‌نویسی را دارید ولی هیچ پیش‌زمینه‌ای ندارید اینجا کلیک کنید.

ایسوس

نظر شما چیست؟