标签：Week W8L2 芯片 ML II TPU 设计 GPU CPU

第一个Week 8的第二堂课 Week 8 Lesson 2， 后面还有第二个Week 8.

本节课程的材料是一篇关于Google TPU的介绍性文章，从DNN的计算需求、代码量、计算优化的介绍开始，接着介绍了TPU的起源、架构和具体实现。详细介绍了TPU的结构框图和芯片布局设计。

从TPU的架构框图看，输入输出接口是Gen3 X16的PCIe接口，通过Buffer连接到计算核心Matrix Multiply Unit上，计算的结果输出给一个累积器Accumulators中，然后再经过系统Buffer和PCIe接口输出给Host。

文章比较了TPU芯片的性能功耗比相对于GPU和CPU的优势，并将这种显著的优势归因于以下几个方面：

1）单核单线程模型，便于满足固定时延的要求。

2）TPU采用了二维大矩阵乘法单元的设计，性能远超CPU/GPU的多个一维乘法器单元。

3）Systolic Unit（收缩单元？）二维矩阵设计，减少寄存器访问。

4）采用8bit整形数设计。

5）去掉了CPU/GPU中对于DNN计算不需要的功能，简化了设计。

TPU芯片的出现，是人类计算机技术发展的一个里程碑，大大地推动了异构计算的发展。

文章配图里面每颗TPU芯片表面的水冷散热设计很漂亮，工程设计的完美展示。

标签：Week,W8L2,芯片,ML,II,TPU,设计,GPU,CPU
来源： https://www.cnblogs.com/qiuzhiqiuzhi/p/16147096.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。