TensoFlow机器学习框架。而得益于Google在软硬件上的变革与构建,TensorFlow早已沦为建构AI软件的领先平台之一。
这种优化,再行再加Google大脑及其DeepMind子公司的内部人才,正是Google在AI领域维持领先的部分原因。芯片厂商NVidia的GPU完全支配了机器学习的市场,而现在,Google想要通过专门设计用作训练神经网络的芯片,来转变市场托格局。亚马逊和微软公司通过自己的云服务获取GPU处置,但他们不获取自定义的AI芯片。
不过Google也无法因此而高枕无忧,因为短期内竞争就不会激化。目前早已有几家公司,还包括芯片巨头英特尔和一大批初创公司,正在研发专门的AI芯片,它们都有可能替代Google TPU。首先研发出有新的芯片并无法确保Google顺利,要用于TPU 2.0,开发者要自学一种建构和运营神经网络的新方法。
它某种程度是一个新的芯片,TPU 2.0也是专门为TensorFlow设计。虽然Tensorflow是开源软件,但也有许多研究人员用于Torch和Caffe等类似于的软件。
新的硬件必须新的软件优化,这必须不少时间。在Google发售TPU 2.0的几周之前,Facebook的AI研究主管Yann LeCun批评称之为,市场有可能不必须新的AI专用芯片,因为研究者早已对用于GPU所需的工具十分熟知了。
新的硬件意味著新的生态系统。另外,Google云服务的顺利不仅各不相同芯片的速度,以及用于的更容易程度,还要考虑到成本。所以,如果Google以比现有GPU服务更加较低的成本获取TPU服务,不会获得更加普遍的用户基础。
Google自己当然不会用于新的TPU系统,但也不会将它的能力对外开放给其它公司用于。Google回应,会将芯片必要出售,而是不会通过其新的云服务(年底前发布)获取,任何开发者都可以用于新的处理器带给的计算能力。Google也申明了其对开源模式的允诺,回应不会向表示同意公布研究结果的研究人员获取TPU资源,甚至有可能进源代码。
他甚至敦促开发者重新加入TensorFlow Research Cloud计划,它不会免费获取一组1000台TPU。新的TPU的速度优势认同不会更有到不少研究人员,却是AI研究要在大量硬件上普遍试错。就此而言,Google不愿免费获取计算资源对全世界的AI研究者来说都是有益处的,当然,这对Google来说也是有益处的。
图片来自WIRED及THEVERGE(公众号:)原创文章,予以许可禁令刊登。下文闻刊登须知。
本文来源:CBA买球官网-www.danielnebiat.com
Copyright © 2009-2023 www.danielnebiat.com. CBA买球官网科技 版权所有备案号:ICP备31686621号-6网站地图