谷歌TPU研究論文：專注神經(jīng)網(wǎng)絡(luò)專用處理器

　　過去十五年里，我們一直在我們的產(chǎn)品中使用高計(jì)算需求的機(jī)器學(xué)習(xí)。機(jī)器學(xué)習(xí)的應(yīng)用如此頻繁，以至于我們決定設(shè)計(jì)一款全新類別的定制化機(jī)器學(xué)習(xí)加速器，它就是 TPU。

　　TPU 究竟有多快?今天，聯(lián)合在硅谷計(jì)算機(jī)歷史博物館舉辦的國家工程科學(xué)院會議上發(fā)表的有關(guān) TPU 的演講中，我們發(fā)布了一項(xiàng)研究，該研究分享了這些定制化芯片的一些新的細(xì)節(jié)，自 2015 年以來，我們數(shù)據(jù)中心的機(jī)器學(xué)習(xí)應(yīng)用中就一直在使用這些芯片。第一代 TPU 面向的是推論功能(使用已訓(xùn)練過的模型，而不是模型的訓(xùn)練階段，這其中有些不同的特征)，讓我們看看一些發(fā)現(xiàn)：

　　● 我們產(chǎn)品的人工智能負(fù)載，主要利用神經(jīng)網(wǎng)絡(luò)的推論功能，其 TPU 處理速度比當(dāng)前 GPU 和 CPU 要快 15 到 30 倍。

　　● 較之傳統(tǒng)芯片，TPU 也更加節(jié)能，功耗效率(TOPS/Watt)上提升了 30 到 80 倍。

　　● 驅(qū)動這些應(yīng)用的神經(jīng)網(wǎng)絡(luò)只要求少量的代碼，少的驚人：僅 100 到 1500 行。代碼以 TensorFlow 為基礎(chǔ)。

　　● 70 多個作者對這篇文章有貢獻(xiàn)。這份報告也真是勞師動眾，很多人參與了設(shè)計(jì)、證實(shí)、實(shí)施以及布局類似這樣的系統(tǒng)軟硬件。

　　TPU 的需求大約真正出現(xiàn)在 6 年之前，那時我們在所有產(chǎn)品之中越來越多的地方已開始使用消耗大量計(jì)算資源的深度學(xué)習(xí)模型;昂貴的計(jì)算令人擔(dān)憂。假如存在這樣一個場景，其中人們在 1 天中使用谷歌語音進(jìn)行 3 分鐘搜索，并且我們要在正使用的處理器中為語音識別系統(tǒng)運(yùn)行深度神經(jīng)網(wǎng)絡(luò)，那么我們就不得不翻倍谷歌數(shù)據(jù)中心的數(shù)量。

　　TPU 將使我們快速做出預(yù)測，并使產(chǎn)品迅速對用戶需求做出回應(yīng)。TPU 運(yùn)行在每一次的搜索中;TPU 支持作為谷歌圖像搜索(Google Image Search)、谷歌照片(Google Photo)和谷歌云視覺 API(Google Cloud Vision API)等產(chǎn)品的基礎(chǔ)的精確視覺模型;TPU 將加強(qiáng)谷歌翻譯去年推出的突破性神經(jīng)翻譯質(zhì)量的提升;并在谷歌 DeepMind AlphaGo 對李世乭的勝利中發(fā)揮了作用，這是計(jì)算機(jī)首次在古老的圍棋比賽中戰(zhàn)勝世界冠軍。

　　我們致力于打造最好的基礎(chǔ)架構(gòu)，并將其共享給所有人。我們期望在未來的數(shù)周和數(shù)月內(nèi)分享更多的更新。

　　論文題目：數(shù)據(jù)中心的 TPU 性能分析(In-Datacenter Performance Analysis of a Tensor Processing Unit)

　　摘要：許多架構(gòu)師相信，現(xiàn)在要想在成本-能耗-性能(cost-energy-performance)上獲得提升，就需要使用特定領(lǐng)域的硬件。這篇論文評估了一款自 2015 年以來就被應(yīng)用于數(shù)據(jù)中心的定制化 ASIC，亦即張量處理器(TPU)，這款產(chǎn)品可用來加速神經(jīng)網(wǎng)絡(luò)(NN)的推理階段。TPU 的中心是一個 65，536 的 8 位 MAC 矩陣乘法單元，可提供 92 萬億次運(yùn)算/秒(TOPS)的速度和一個大的(28 MiB)的可用軟件管理的片上內(nèi)存。相對于 CPU 和 GPU 的隨時間變化的優(yōu)化方法(高速緩存、無序執(zhí)行、多線程、多處理、預(yù)取……)，這種 TPU 的確定性的執(zhí)行模型(deterministic execution model)能更好地匹配我們的神經(jīng)網(wǎng)絡(luò)應(yīng)用的 99% 的響應(yīng)時間需求，因?yàn)?nbsp;CPU 和 GPU 更多的是幫助對吞吐量(throughout)進(jìn)行平均，而非確保延遲性能。這些特性的缺失有助于解釋為什么盡管 TPU 有極大的 MAC 和大內(nèi)存，但卻相對小和低功耗。我們將 TPU 和服務(wù)器級的英特爾 Haswell CPU 與現(xiàn)在同樣也會在數(shù)據(jù)中心使用的英偉達(dá) K80 GPU 進(jìn)行了比較。我們的負(fù)載是用高級的 TensorFlow 框架編寫的，并是用了生產(chǎn)級的神經(jīng)網(wǎng)絡(luò)應(yīng)用(多層感知器、卷積神經(jīng)網(wǎng)絡(luò)和 LSTM)，這些應(yīng)用占到了我們的數(shù)據(jù)中心的神經(jīng)網(wǎng)絡(luò)推理計(jì)算需求的 95%。盡管其中一些應(yīng)用的利用率比較低，但是平均而言，TPU 大約 15-30 倍快于當(dāng)前的 GPU 或者 CPU，速度/功率比(TOPS/Watt)大約高 30-80 倍。此外，如果在 TPU 中使用 GPU 的 GDDR5 內(nèi)存，那么速度(TOPS)還會翻三倍，速度/功率比(TOPS/Watt)能達(dá)到 GPU 的 70 倍以及 CPU 的 200 倍。

　　表 1：6 種神經(jīng)網(wǎng)絡(luò)應(yīng)用(每種神經(jīng)網(wǎng)絡(luò)類型各 2 種)占據(jù)了 TPU 負(fù)載的 95%。表中的列依次是各種神經(jīng)網(wǎng)絡(luò)、代碼的行數(shù)、神經(jīng)網(wǎng)絡(luò)中層的類型和數(shù)量(FC 是全連接層、Conv 是卷積層，Vector 是向量層，Pool 是池化層)以及 TPU 在 2016 年 7 月的應(yīng)用普及程度。RankBrain [Cla15] 使用了 DNN，谷歌神經(jīng)機(jī)器翻譯 [Wu16] 中用到了 LSTM，Inception 用到了 CNN，DeepMind AlphaGo [Sil16][Jou15] 也用到了 CNN。

　　圖 1：TPU 各模塊的框圖。主要計(jì)算部分是右上方的黃色矩陣乘法單元。其輸入是藍(lán)色的「權(quán)重 FIFO」和藍(lán)色的統(tǒng)一緩存(Unified Buffer(UB));輸出是藍(lán)色的累加器(Accumulators(Acc))。黃色的激活(Activation)單元在Acc中執(zhí)行流向UB的非線性函數(shù)。