@Vengineerの戯言 : Twitter SystemVerilogの世界へようこそ、すべては、SystemC v0.9公開から始まった このツイートで知りました。 くら寿司のCoral Edge TPU事例が出ました!!全国数百店舗で大規模に運用、お皿の画像認識部分でEdge TPUを使っています。僕も微力ながら記事化に協力させていただきました〜https://t.co/BITHt8tYkc pic.twitter.com/dlY94tpOx6 — Hayato Y (@hayatoy82) 2020年10月29日 こちらのツイート 5月23日)では、既に店舗での導入されていたっぽい。 くら寿司の席の注文用端末、いつの間にかiPadからラズパイ4(Raspberry Pi 4)になってるみたい。(USB3.0の色的に)#くら寿司 pic.twitter.com/2eDjCPP7YN
Googleは、サンフランシスコで開催中のイベント「Google I/O 2018」で、機械学習処理専用のプロセッサ「Tensor Processing Unit」（TPU）の第三世代となる「TPU 3.0」を発表しました。 機械学習には、学習を行うトレーニングの処理と、学習した内容を基に行う推論の処理の2つがあります。特にトレーニングの処理は非常に大きなコンピュータの処理能力を必要とします。 TPUはこのどちらも高速に実行するため最適化されたプロセッサです。 Googleは昨年のGoogle I/O 2017で、第二世代のTPUとそれを用いたクラウドサービスの「Cloud TPU」を発表していました。 ［速報］Google、機械学習に最適化した「Cloud TPU」発表。「われわれれはいま、AIファーストデータセンターの構築に取りかかっている」。Google I/O 2017 TPU 3
「The Future of Go Summit」（中国・浙江省（せっこうしょう））で5月23日（現地時間）から開かれている、囲碁世界レーティング1位の柯潔（カ・ケツ）九段と、米Google傘下DeepMindの囲碁AI「AlphaGo」の3番勝負。27日に最終局第3局が行われ、柯潔九段の投了によりAlphaGoが勝利した。第1局、第2局ともにAlphaGoが勝利し、世界最強の棋士でもAlphaGo相手に勝ち星を上げることはできなかった。 AlphaGoは2015年10月に、欧州大会で3回優勝した樊麾（Fan Hui）二段に5戦5勝し、ハンデなしで人間を初めて破った囲碁AIとして注目される。2016年5月には世界トップ棋士の李世ドル九段との5番勝負で4勝1敗し、その実力を知らしめた。 この時のAlphaGoのハードウェアは、CPUサーバを1202台、GPUサーバを176台使用する構成だった
Cloud TPUは1枚のボードにプロセッサを4個搭載する。この1枚のボードで1秒間の演算回数は秒間180兆回（180テラFlops）になる。さらに64個のCloud TPUを独自の高速ネットワークによって相互接続して「TPUポッド」を構成すると、その演算回数は11.5ペタ（1万1500テラ）Flops、つまり秒間1京（1兆の1万倍）回を超える（写真2）。 理化学研究所のスーパーコンピュータ「京」は1秒間に1京回の演算ができることから京と名付けられた。つまり10ペタFlopsである。京の10ペタFlopsは倍精度の浮動小数点演算での数字であり、一方のCloud TPUの浮動小数点演算の精度は不明であるものの（第1世代のTPUでは8ビットの整数演算のみを実行していた）、1秒当たりの演算回数だけなら1個のTPUポッドが8万個のプロセッサーによって構成する京を上回ることになる。 GoogleのJ
私たち Google は 15 年前から、プロセッサに負担をかける機械学習を自社製品で使用してきました。機械学習を多用するあまり、まったく新しいカスタム機械学習アクセラレータ、Tensor Processing Unit（TPU）の設計にまで踏み込みました。 では、TPU は実際、どれくらい高速なのでしょうか。 私たちは先ごろ、米国カリフォルニア州シリコンバレーのコンピュータ歴史博物館で開催された NAE（National Academy of Engineering）の会合で TPU に関する講演を行うとともに、2015 年以来 Google のデータセンターで機械学習アプリケーションを実行しているこれらのカスタム チップの新たな情報に関する研究論文を公開しました。 この第 1 世代の TPU は推論フェーズを対象としています（モデルの訓練フェーズではなく、あらかじめ訓練されているモデル
TPU論文の翻訳（１）
データセンター内での Tensor Processing Unitのパフォーマンス解析 Norman P. Jouppi, Cliff Young, Nishant Patil, David Patterson, Gaurav Agrawal, Raminder Bajwa, Sarah Bates, Suresh Bhatia, Nan Boden, Al Borchers, Rick Boyle, Pierre-luc Cantin, Clifford Chao, Chris Clark, Jeremy Coriell, Mike Daley, Matt Dau, Jeffrey Dean, Ben Gelb, Tara Vazir Ghaemmaghami, Rajendra Gottipati, William Gulland, Robert Hagmann, C. Richard
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
