谷歌在机器学习硬件领域取得了另一个飞跃。科技巨头已经开始部署其张量处理单元的第二个版本，这是一个专业芯片意味着加速机器学习应用，公司首席执行官Sundar Pichah周三宣布。
新的云TPU体育若干改进对其前身。最值得注意的是，除了处理现有模型的结果之外，它还支持培训机器学习算法。每个芯片都可以为这些任务提供180 Teraflops的处理。谷歌还能够以所谓的TPU POD组合在一起，以允许更大的计算增益，将芯片联合在一起。
企业将能够通过Google的云平台使用新芯片，作为其计算引擎基础架构的一部分的一部分。此外，该公司还推出了一个新的Tensorflow研究云，如果他们承诺公开发布他们的研究结果，将为研究人员提供免费访问。
这是一个有可能急促加速机器学习的举动。谷歌表示，其最新的机器翻译模型在最高动力的现代GPU中培养了一整天，而TPU Pod的第八次可以在下午完成相同的任务。
机器学习对推动下一代应用程序越来越重要。加速创建新模型意味着谷歌这样的公司更容易尝试不同方法，以找到特定应用的最佳应用。
谷歌的新硬件还可以用于吸引新客户在公司竞争对抗微软，亚马逊和其他技术泰坦时的云平台。云TPU公告是在谷歌之后的一年首先揭开了张量处理单元在其I / O开发人员会议上。
在TPU上运行的编程算法将需要使用TensorFlow，该算法源于Google的开源机器学习框架。TensoRFlow 1.2包括新的高级API，使得更容易采用在CPU和GPU上运行的系统，并在TPU上运行它们。据谷歌高级研究员杰夫·迪恩·杰夫·迪恩统计，其他机器学习框架的其他机器学习框架可以使他们的工具与TPU一起使用TPU。
院长不会详细说明云TPU的任何具体性能指标，超出芯片潜在的Teraflops。一个的东西近期谷歌研究论文指出的是，不同的算法在原始TPU上执行不同的算法，并且如果云TPU以类似的方式行事则尚不清楚。
谷歌不是唯一投资硬件的公司来帮助机器学习。Microsoft正在将现场可编程门阵列部署在其数据中心中，以帮助加速其智能应用程序。雷竞技电脑网站
此故事已被纠正，以澄清云TPU的可用性作为Google Compute引擎的一部分。