Tensorisuoritin (engl.Tensor Processing Unit, TPU) on Googlen kehittämä apusuoritin, joka on suunnattu koneoppimiseen.[1] Google ilmoitti suorittimesta vuonna 2016.[1][2] TPU on ASIC-piiri, joka on sovitettu TensorFlow-neuroverkkoohjelmiston suorittamiseen.[1] Toisen sukupolven TPU-piiristä kerrottiin vuonna 2017.[3] Kolmannen sukupolven TPU-piiristä kerrottiin toukokuussa 2018.[4]
Suorittimessa on karsittu laskennallista tarkkuutta, jonka johdosta operaatiot tarvitsevat vähemmän transistoreja.[1] Googlen mukaan TPU-piiri mahdollistaa kertaluokkaa paremman suorituskyvyn per watti kuin standardit ratkaisut.[2] Sovelluskohteeseen erikoistuneella piirillä on Googlen mukaan mahdollista saada suorituskyky, joka vastaa kolmen sukupolven hyppäystä yleiskäyttöisissä suorittimissa.[2]
Suorittimien käytöllä on mahdollista hakea Street View -tietokannan tekstejä nopeasti.[2]
Ensimmäisen sukupolven TPU-suorittimilla saavutettiin tarkoituksenmukaisilla kuormituksilla 15–30 kertaa nopeammin ja 30–80 pienemmällä virrankäytöllä kuin aiemmilla.[3] TPU-suorittimia käytetään muun muassa hakutuloksiin ja AlphaGoGo-ohjelmistoon.[3]
Aiemmilla ratkaisuilla on tarvittu viikkoja ja tuhansia dollareita kuvantunnistusmallin kouluttamiseen, jonka Google voi nyt tehdä muutamassa tunnissa ja alle 50 dollarilla joissakin tapauksissa.[4]
Vaikutus
Googlen julkaisun jälkeen tekoälyyn ja koneoppimiseen suunnattujen suorittimien kehitys on synnyttänyt useita uusia yrityksiä lyhyessä ajassa sekä useat olemassa olevat yritykset ovat aloittaneet omien ratkaisujensa kehittämisen.[5]
Syynä uudelle kehitykselle mainitaan olemassa olevien vakiintuneiden yleiskäyttöisien arkkitehtuurien tarpeeton monimutkaisuus erikoistuneeseen tehtävään.[5] Vakiintuneet suoritinarkkitehtuurit ja myös grafiikkasuorittimet ovat tarpeettoman monimutkaisia kun on tarpeen havaita kaavoja tarkan luvun sijaan: yhden numeron tarkkuus on riittävä.[5]
Kehitykseen liittyy läheisesti myös tarve laite-IO:n ja väyläteknologian tehokkuuden parantamiseen.[5]
Vastaavat kilpailevat piirit ovat usein suunnattuja tiettyyn sovelluskohteeseen kuten visuaaliseen tunnistamiseen.[5] Useat yritykset kehittävät vastaavia piirejä vain omaan käyttöönsä ja omaan tarkoitukseensa.[5]
