[摘要] 原标题:Google Kubernetes引擎开始支援云端TPU服务 自今年2月Google推出云端TPU△Beta版服务后,该公司旗下不同的云端服务也陆续整合TPU,像是云端机器学习引擎也能结合TPU运算服务,加速
原标题:Google Kubernetes引擎开始支援云端TPU服务
自今年2月Google推出云端TPU△Beta版服务后,该公司旗下不同的云端服务也陆续整合TPU,像是云端机器学习引擎也能结合TPU运算服务,加速训练成效。而TPU服务也推出先占模式,比起随需使用模式,价格更便宜7成。而近日...
自今年2月Google推出云端TPU△Beta版服务后,该公司旗下不同的云端服务也陆续整合TPU,像是云端机器学习引擎也能结合TPU运算服务,加速训练成效。而TPU服务也推出先占模式,比起随需使用模式,价格更便宜7成。
而近日Google又加强TPU与其他产品线整合,现在Google△Kubernetes服务已经支援云端TPU,让企业可以在Kubernetes环境调度TPU资源。比照TPU计价模式,在Kubernetes环境导入TPU服务,Google也有提供先占模式,让企业可以用便宜的价格,尝试该功能。
结合Google△Kubernetes引擎的原生功能,使用者可以通管部署在Kubernetes环境的TPU资源。例如,根据即时流量,自动扩充TPU丛集。再者,Google也有提供原生的API,让维运人员可以扩充Kubernetes△Pods以及云端TPU规模。
自2016年Google首度揭露TPU以来,现在云端TPU已经发展至第三代。目前处于稳定版本的云端TPU第二代,每单位可以提供180TFLOPS的运算力,并且搭配64GB的高频宽记忆体。至于最新的第三代,现在还处于Alpha阶段,相比第二代效能有非常进步,可以提供420TFLOPS的运算力,以及128GB的高频宽记忆体,以应付更复杂的机器学习模型。
在Google内部其中的一个应用案例,就是使用云端TPU服务,执行围棋引擎Minigo。Google解释,Minigo专案是来自Google员工执行的Side△project。借力神经网络架构的Minigo,其系统专注于解决棋局中碰到的两个问题。
第一个是预测下一步最有可能出现的棋路,第二个问题,则是计算两方谁的胜算较大。结合神经网络架构及增强式学习模型,Minigo可以不断提升自己的棋力。每一次完成一次棋局,Minigo会记录结果,并且分析每一步。接着,Minigo会更新网络模型,改善棋局的胜率。
一开始Google是结合GPU资源,将Minigo部署于Kubernetes环境运作。后来,选择结合TPU资源,并将Minigo部署在Kubernetes环境执行,搭配640个TPU组成的运算丛集,Minigo每秒钟可以完成20至30个棋局。
橙山网(Csnd.net)简评:而TPU服务也推出先占模式,比起随需使用模式,价格更便宜7成。而近日...自今年2月Google推出云端TPU△Beta版服务后,该公司旗下不同的云端服务也陆续整合TPU,像是云端机器学习引擎也能结合
网友评论