Tensor Processing Unit w wersji 3.0

Tensor Processing Unitspecjalistyczna jednostka obliczeniowa przystosowana do obliczeń uczenia maszynowego, głównie związanych z sieciami neuronowymi, opracowany przez Google. Jej zastosowanie jest podobne do NPU. Przyspiesza działanie takich frameworków jak PyTorch, czy TensorFlow[1]. TPU są dostępne w ramach Google Cloud Platform(inne języki)[2].

Został stworzony ze względu na zapotrzebowanie użytkowników na zasoby obliczeniowe do uczenia maszynowego[3]. Oferuje szczytową przepustowość rzędu 92 TOPS (ang. Trillion operations per second). Układy TPU są bardziej wydajne niż GPU Nvidii K80, ale zużywają mniej energii[4].

W kwietniu 2025 Google ogłosiło nową generację układu TPU o nazwie „Ironwood”[5][6].

Przypisy

edytuj
  1. Tensor Processing Units (TPUs) [online], Google Cloud [dostęp 2025-04-19] (ang.).
  2. Introduction to Cloud TPU [online], Google Cloud [dostęp 2025-04-19] (ang.).
  3. TPU, czip Google do maszynowego uczenia, w wydajności deklasuje GPU, „dobreprogramy” [dostęp 2025-04-19] [zarchiwizowane z adresu 2023-06-07].
  4. Szczegóły architektury TPU od Google [online], evertiq.pl, 2017 [dostęp 2025-04-19].
  5. Google prezentuje Ironwood. To nowa generacja układów TPU zoptymalizowanych pod kątem wnioskowania AI [online], PurePC.pl, 11 kwietnia 2025 [dostęp 2025-04-19].
  6. Ironwood: The first Google TPU for the age of inference [online], Google, 9 kwietnia 2025 [dostęp 2025-04-19] (ang.).

📚 Artikel Terkait di Wikipedia

TensorFlow

wyspecjalizowane mikroprocesory nazywane akceleratorami AI – tensor processing unit. Biblioteka składa się z kilku modułów. W jej najniższej warstwie znajduje

Python

Availability: Unix (ang.). Python Software Foundation: 26.4. unittest – Unit testing framework. [dostęp 2017-03-07]. Cytat: The unittest module provides

Długa pamięć krótkotrwała

najpopularniejszych bibliotekach głębokiego uczenia, w tym w PyTorch, TensorFlow i Keras. W PyTorch podstawową klasą jest `torch.nn.LSTM`, która stosuje