TPU 的設(shè)定,只能在 TensorFlow 中執(zhí)行推理,但它的性能非常好。我們認為,TPU 與 TensorFlow 的良好適配,能夠發(fā)揮出 1+1>2 的效果。深度學習計算中的芯片部署都不是零和博弈,F(xiàn)實世界的深度學習網(wǎng)絡(luò)需要系統(tǒng)的 GPU 與其他 GPU 或諸如 Google TPU 之類的 ASIC 通信。GPU 是理想的工作環(huán)境,具有深度學習所需的靈活性
如果某一代ASIC性價比太低、散熱不理想,亦或不夠快,您可以等待下一代制程的半導體技術(shù),然后在技術(shù)浪潮中獲得更快、更便宜、更低功耗的 ASIC來實現(xiàn)。在網(wǎng)絡(luò)系統(tǒng)一代一代的迭代中,仍然需要做很多艱苦的工作,但您仍從新技術(shù)本身中受益很多。
在本周召開的Intel Vision大會上,英特爾再次強調(diào)了其雙管齊下的ASIC/FPGA基礎(chǔ)設(shè)施處理單元(IPU)發(fā)展戰(zhàn)略。此次會上,英特爾還展示了即將推出的400 Gb/秒與800 Gb/秒設(shè)備。
在英特爾FPGA技術(shù)大會上,英特爾發(fā)布了全新可定制解決方案英特爾eASIC N5X,幫助加速5G、人工智能、云端與邊緣工作負載的應用性能。